Michael Abramov, Founder and CEO of Introspector

ソートリーダー April 29, 2026

ロボットのトレーニングの真のコスト

先ほどの記事では、ロボットが基本的なメカニズムから環境を理解するまでに進化する方法について説明しました。ロボットが特定のタスクに特化したトレーニングを受ける「ラストマイル」の段階で、予期せぬ障壁が現れます。これは、データの収集、組織化、現実世界でのスケーリングに起因します。これは、概念と実装のギャップが最も明らかになる段階です。主なボトルネックは何ですか? それらを最小限の摩擦でどのように克服できますか?何千時間のデータが何年もの作業になるのか既に事前トレーニングを受けたロボットがいることを想定しましょう。ロボットは周囲を移動し、障害物を避け、物体と相互作用することができます。10歳の子供のようなものです。次のステップは、特定の条件下で特定のアクションを実行することを教えることです。例えば、自動車生産ラインでガラスパネルとシーリングストリップを取り付けます。一見すると、タスクはよりシンプルに見えます。特定のシナリオをマスターすることが含まれており、必要なデータ量は事前トレーニングよりもはるかに小さくなります。事前トレーニングには数十万時間が必要になるかもしれませんが、事後トレーニングには数千時間しかかからないかもしれません。しかし、これらの数字は誤解を招きます。これを実時間に翻訳すると、プロセスの真の複雑さが明らかになります。標準的な作業スケジュールでは、人は約160時間/月働きます。しかし、これはすべての時間がレコーディングに使用できるということを意味しません。実際には、常に中断が発生します。バッテリーが切れる、カメラが移動する、センサーが故障します。機器の設定が複雑になるほど、問題が発生する可能性は高くなります。たとえば、グローブのセンサーが動作を停止すると、プロセスが停止し、時間が失われる可能性があります。結果として、実際のデータ収集速度は2〜3倍低くなります。1時間の高品質レコーディングには、3時間の実際の作業が必要になる可能性があります。これにより、計算が根本的に変わります。5,000時間のデータは約15,000時間の労力に相当します。複雑さの層事前トレーニングでは、人にカメラを渡し、日常活動をレコーディングするだけで十分かもしれません。しかし、この段階では、工場、建設現場、または専門的な生産施設などの特定の環境へのアクセスが必要です。これにより、実用的な制約がすぐに導入されます。たとえば、建設現場では、作業員は安全ヘルメットを着用する必要があります。つまり、専用の機器を開発する必要があります。ダスト、湿気、衝撃に耐性のあるカメラを搭載したヘルメットです。次に、サイトへのアクセスが来ます。サイト所有者との合意、許可の取得、条件の交渉が必要です。これにはほぼ常に追加のコストが伴います。企業は補償を期待し、作業員は参加に対して支払われることを期待します。保険と安全性のコンプライアンスも重要な懸念事項になります。機器が必要な基準を満たさない場合、保険が無効になる可能性があり、プロセス全体を再構成する必要があります。日常業務のレベルでは、課題が続きます。カメラをオンにし、監視し、維持する必要があります。作業員は手袋を着用し、厳しい条件下で作業します。機器は汚れ、劣化し、故障します。カメラは数分後にオフになり、人はそれに気付かないかもしれません。これにより、参加者が自分自身をトレーニングする必要性が生じます。彼らは機器の使用方法を理解する必要があります。また、継続的な監督が必要です。誰かがレコーディングが進行中であり、デバイスが正常に機能していることを確認する必要があります。生のビデオからトレーニングデータへレコーディングの後、次の段階が始まります。データの収集、アップロード、構造化、品質の検証、ラベル付け。生のデータはビデオとセンシグナル信号で構成されます。これをトレーニング資料に変換するには、構造化する必要があります。オブジェクトを識別し、アクションを捉え、状態、動き、環境との相互作用を記述する必要があります。これがアノテーションの役割です。アノテーションワークフローにはどのようなゴールドスタンダードがあるのでしょうか?一部のケースでは、オブジェクトをフレーム内で識別するためにシンプルなバウンディングボックスが十分です。他のケースでは、時間的アノテーションが必要です。アクションのシーケンスを時間の経過とともに記述する必要があります。特定のシナリオでは、キーポイントとスケルトンモデルを使用してボディの動きを捉えます。より複雑なケースでは、3Dメッシュまたはハンドポーズトラッキングが必要です。正確に相互作用のメカニクスを表現するために。加速度計などの追加センサーは、動きのダイナミクスと適用された力を捉えるために頻繁に統合されます。このようなプロジェクトは、チームの拡大を必要とします。ラベル付けは、時間、専門知識、人間のリソースを大量に必要とする大規模で複雑なタスクです。これが、インハウスのアノテーションチームを備えたデータソリューションプロバイダーが登場する背景です。たとえば、Keymakrは、データ量に応じてチームを拡大できる能力により、特に効果的です。1人の専門家から数百人のアノテーターまで。まだトレーニングに正しいアプローチはない業界はまだ探索段階にあり、どのデータの組み合わせが最も良い結果をもたらすのかについての合意はありません。多くのアプローチは、特定の実験で機能することを経験的に検証されています。したがって、さまざまなチームは、独自の経験、タスク、制約に形作られたさまざまなテクノロジーに依存し続けています。学術的および応用的なレベルでは、これにより断片化が生じます。研究室や企業は異なる方向に進んでいます。状況は、テスラがLiDARなしでビジョンだけのアプローチに賭けた自動運転の初期のようです。他のプレーヤーのほとんどは、LiDARをコアセンサーとして選択しました。現在、LiDARベースのシステムはより安定したパフォーマンスを示している傾向がありますが、テスラのアプローチはまだ進化を続けています。違いは、自動運転の市場がほとんど成熟していることです。安定したアーキテクチャが登場し、限界がよく理解されており、重大な専門知識が蓄積されています。対照的に、Physical AIや同様のモデルトレーニングの場合、まだこのレベルの成熟度には達していません。市場はまだ形成中です。標準が不足しており、多くの進歩は実験によって推進されています。モデルをトレーニングするための新しい方法、効率を向上させる方法、現実世界のシナリオに適応する方法が続々と登場しています。これは、最も重要なブレークスルーがまだ先にあることを示唆しています。人間は強化システムであるラベル付けは、モデルだけに存在するものではありません。エンジニアがモデルを構築するためのツールです。ラベル付けを通じて、エンジニアは現実を形式化し、重要なパラメーターを特定し、システムの動作ルールを定義します。エンジニアのタスクは、システムが現実世界の条件下で正しく動作するように教えることです。たとえば、基本的なシナリオは4つのアクションで構成されます。ガラスを拾う、水道の蛇口を-turn on、ガラスを満たす、蛇口を-turn off。しかし、現実には、偏差が発生します。ガラスがオーバーフローします。その時点で、モデルはシナリオを完了し、追加のアクションを実行することが期待されます。水の流れを停止し、水位を調整し、こぼれを防ぐ。これは、コンテキストに基づく行動ロジックです。エンジニアはサイクルに従います。データをアノテートし、モデルをトレーニングし、テストします。如果システムが機能する場合、仮説は確認されます。如果機能しない場合、分析が開始されます。ある時点で、モデルが重要なパラメーターを欠いていることが明らかになる場合があります。たとえば、ガラスの充填レベルです。以前のデータには、オブジェクト（ガラス、蛇口、ハンドル）とアクション（開く、満たす、閉じる）のアノテーションが含まれていたかもしれませんが、状態（充填度の度合い）についてのアノテーションは含まれていませんでした。プロセスに新しいレイヤーが追加されます。充填レベルをアノテートし、形式化します。たとえば、85%を超えるものを臨界状態として定義します。これにより、トレーニングの次のイテレーションが行われます。数百のイテレーションが可能です。誰もがシステムがすぐに正しく機能することを想定していません。逆に、プロセスは連続的な近似に基づいて構築されています。まず、ベースラインバージョンを作成し、次にそれを実際の、またはほぼ実際の条件でテストし、ギャップを特定し、システムを改良します。これは、私がIntrospectorのクライアントと一緒に頻繁に話し合うことです。私たちが一緒にPhysical AIの旅を進めます。ある時点で、望ましい結果が達成されます。しかし、その価値は、システムが動作し始めることだけにありません。蓄積された経験により、結果をより予測可能に再現できるようになります。みんなが忘れている経済学過去1年ほどの間、私は企業がエゴセントリックデータを使用する際に最も大きな間違いを犯していることに気づきました。技術とは関係ありません。核心的な問題は、プロジェクトの経済学を過小評価していることです。アイデア段階では、テクノロジーが主役です。どのモデルを使用するか、どのようにトレーニングするか、どのアプローチを適用するかを研究し、調査し、議論し、仮説をテストします。これは自然なことです。テクノロジーは問題の最も具体的で明らかな部分であると感じるからです。しかし、チームがあまり頻繁にアイデア段階で直接的で実用的な質問をしないことがあります。どのくらいのコストがかかるのか?プロジェクトが理論から実装に移行すると、モデル背後の何千時間ものデータが必要であることが明らかになります。データの収集には時間、現実の環境へのアクセス、専門家の関与が必要です。ラベル付けはさらに複雑さとコストを加えます。結果として、最終的な数字は最初に予想していたよりもはるかに高くなります。これは、そんなプロジェクトを追求しないべきであることを意味しません。実際、業界を前進させるのはそうしたプロジェクトです。しかし、重要なのは、最初から課題の規模を理解することです。モデルトレーニングでは、驚くべきアルゴリズムの背後には複雑でリソースを大量に消費するデータ作業があることを認識することです。強いアイデアでも、データコストが7桁を超えて増加し始めると、完全な実装に到達できなくなります。そして、ロボティクスで今日起こっている最も重要な変化は、この認識に結びついています。システムの将来は、それらが「知的」であるかどうかと、データパイプライン全体がどのくらい効果的で正確に構築されているかによって定義されます。データ収集から最終的な解釈までです。

ソートリーダー April 22, 2026

ロボットに動かすことを教えた。次に彼らに生きることを教える

現代のロボティクスは、動きが主な課題ではなくなった段階に達しました。機械はすでにナビゲーション、把持、空間での操作を印象的な精度で実行できます。しかし、ロボットが本当に「生き」、現実の世界で機能することを可能にするには、未解決の問題がまだ残っています。このプロセスでは、ロボットの「脊髄」と呼ばれるシステムが重要な役割を果たします。このシステムは、基本的な反応、行動、環境との相互作用を担当します。ロボットの進化をこの観点から見ると、各ステージで新しいことを学ぶシステムのシーケンスが人間の発達と密接に似ていることが明らかになります。これは、ロボットが「空」のハードウェアから意味のある行動への主なシフトが起こっている物理AIの分野です。より深く学ぶことは興味深いことです。ロボティクスの基礎：まれに議論されるステージ実用的には、ロボットとは何でしょうか？ロボットは、普遍的なプラットフォームとして初期に作成された物理デバイスです。本質的には、ロボットは「空」の状態で、特定のタスクに適応し、特定の環境で動作し、必要なアクションを実行するように訓練する必要があります。日常のシナリオを超えて、より現実的な近未来の応用を考慮すると、ロボットの完全な採用は主に工業的で、潜在的に危険な環境で発生することが明らかになります。これは、ロボットの行動、堅牢性、トレーニングの品質に対する要件が大幅に高まることを意味します。プロセスは、最も基本的なステップから始まります。デバイス自体を構築することです。ロボットは、作動装置、モーター、センサー、カメラ、LiDARなど、複数のコンポーネントから構成されています。ロボットはヒューマノイド、車輪式、二足歩行、または四足歩行型になる可能性があります。形状は二次的なものです。重要なのは、この段階で、まだ「空」の状態ながら機能するデバイスが完成することです。次のステージは、ロボットの行動の基盤となるベースモデルをインストールすることです。広い意味で、「モデル」とは、機能的な制御レイヤー全体を指します。モデルは、バランスを維持する、立つ、移動する、ポイントAからポイントBへのナビゲーション、障害物の回避、環境の損傷の回避、人間との安全な相互作用などのコア機能を担当します。強化学習がここで重要な役割を果たします。このようなシステムでは、数十億のシミュレーションが実行されます。複雑な環境でロボットが「学習」する様子を示すビデオをよく見ます。ほとんどのロボットは倒れたり、バランスを失ったり、タスクを完了できなかったりします。しかし、立ったまま移動し続けるロボットは進歩します。これが強化学習の本質です。成功した行動を選択することです。生き残ったロボットのアルゴリズムが次のイテレーションの基礎となります。結果として、膨大な数の実行の後、障害物に対処できるモデルが登場します。このアルゴリズムは物理デバイスに転送されます。このステージは、地に足のついたものですが、非常に重要です。コンピュータビジョンはほとんど必要なく、ここでは基本的な物理学と力学がシステムに組み込まれる必要があります。ロボットが世界を「感じ始める」「ハードウェア」、つまりベースモデルがインストールされたロボットがすでにあります。ロボットは立ったり、歩いたり、バランスを維持できます。しかし、これは実際のタスク、たとえば工業環境でのタスクに十分なのでしょうか？明らかにそうではありません。次のレベルがここで始まります。センサーを統合し、モデルをセンサー入力に基づいて行動するようにトレーニングします。新しい層のコアスキルが登場します。すでに単純な動きよりもはるかに複雑です。人間の発達と比較することはここで役立ちます。最初のステージでは、システムを1歳の子どものレベルにまで持ってきました。ロボットは立ったり、最初のステップを踏んだり、バランスを維持したりできます。次のステップは8歳の子どものレベルに近いです。この年齢の子どもは、すでに「センサー」を積極的に使用しています。子どもはリスクを認識し、行動の結果を評価できます。子どもは熱いものに触れない、または冷たいものを口に入れないことができます。子どもはテーブルに乗ったり、自転車に乗ったり、物体と相互作用したり、基本的な自己ケアアクションを実行できます。このステージを事前トレーニングと呼びます。この時点では、シミュレーションだけは不十分です。はい、一部のシナリオはまだ効果的にモデル化できます。たとえば、グラスを拾ったり、バッテリーを交換したりする方法です。しかし、バランスはシフトします。約80％のトレーニングはまだシミュレーションで行うことができますが、約20％のデータは実世界から来なければなりません。これは、エゴセントリックデータの議論が始まる場所です。エゴセントリックデータとしての環境理解の基礎今日、エゴセントリックデータは世界規模で大量に収集されています。なぜなら、エゴセントリックデータがなければ、基本的なメカニクスから現実の世界との有意義な相互作用へと移行することは不可能だからです。私の同僚は、自動車修理店のネットワークを運営しています。従業員は、ヘッドマウントカメラを使用して、自動車修理プロセスを記録しています。ニューヨーク市のビル所有者は、清掃スタッフが部屋を掃除し、衛生区域を維持する方法を記録するために、同じアプローチを実施しています。時間の経過とともに、これらの記録はスタンドアロン製品になります。パッケージ化され、販売されます。エゴセントリックデータの主な価値は、事前トレーニングのステージで環境とアクションのシーケンスの基礎的な理解を構築するのに役立つことです。たとえば、Keymakrでは、シンプルなシナリオから複雑なシナリオまで、エゴセントリックデータのコレクションが独立して作成されました。これが重要な理由は、エゴセントリックデータが純粋なシミュレーションでは提供できない、現実の世界の環境の多様性を提供することです。オフィス、自動車修理店、建設現場、レストラン、ホテルなど、それぞれが独自のコンテキスト、シナリオ、ニュアンスを持ちます。これらはすべて、システムが単に「見る」だけでなく、現実の世界のダイナミクスを徐々に理解できるようにするデータセットを形成します。このステージでは、ロボットが特定のアクションを完璧に実行することを教えることが目的ではありません。ロボットが周囲を理解することを可能にすることが重要です。現在、ロボティクスで活動するほぼすべての企業、テスラからUnitree RoboticsやFigure AIまで、このステージに焦点を当てています。彼らの目標は、8歳の子どものような能力を持つベースモデルを構築し、12歳の子どものレベルに進歩させることです。これが私たちがIntrospectorで行っていることです。ロボティクスの「成熟」における最も重要な段階である事前トレーニングに必要なデータを準備しています。トレーニングの最後の1マイル：普遍性が終わり、専門化が始まるロボットがすでに事前トレーニングを完了し、世界と基本的なスキルセットの理解を持って製造されたと想像してみましょう。ただし、これでも実際のビジネス用途には十分ではありません。企業は「汎用」のロボットではなく、専門家が必要です。自動車製造を例に挙げてみましょう。人間が依然として実行しているタスクは、感覚、精度、継続的な視覚的な管理が必要です。伝統的な自動化はここで苦労します。工業用マニピュレーターは繰り返しのタスク、たとえば「ピック・アンド・プレイス」に優れています。しかし、適応性、圧力感知、リアルタイム調整が必要なタスクは人間の領域のままです。ここで、新しい需要が生まれます。ロボットを特定の操作を熟練した労働者と同じように行うようにトレーニングすることです。つまり、ベーストレーニングの後、専門的なトレーニング、特定のシナリオのトレーニングが必要です。ここで、実際的な質問が生じます。ロボットを人間と同じように動作させるには、どのようなトレーニングが必要ですか？ロボットが人間のパフォーマンスを繰り返す必要がある場合、人間の行動を可能な限り正確にキャプチャする必要があります。たとえば、工場の床で働く専門家は、タスクを実行する方法を長期間、たとえば数ヶ月または1年間、カメラで記録する必要があります。ロボットが人間の世界で「生きる」ために必要なことカメラだけでは不十分です。視覚的な視点だけでなく、動きの物理学もキャプチャする必要があります。これは、タクタイルセンサーが圧力、適用された力、物体との相互作用の性質を測定する特殊なグローブを使用して行われます。これは特に重要です。物体自体は、シールストリップの硬さなど、車のモデルによって大きく異なる可能性があり、タスクの実行方法に直接影響します。次に、運動学的追跡が来ます。視覚的なマーカーまたはセンサーベースのマーカーが、手首、肘、時には肩に配置されます。これには、視覚的なマーカー（QRコードに似たもの）が付いたブレスレットが含まれる場合があります。これにより、システムはビデオから手の位置を空間で追跡できます。さらに、ジャイロスコープなどのセンサーが関節の動きをキャプチャするために使用されます。最終的な目標は、運動のメカニクスを完全に再構築することです。肩がどのように動くか、肘がどのように曲がるか、手首がどのように回転するか。これらはすべて、次のステージであるポストトレーニングに不可欠です。事前トレーニングの段階では、まだ部分的にシミュレーションに頼ることができましたが、このステージではそれが機能しません。シェフが生地を転がすときの力、圧力の分布、材料の感触などは、完全にシミュレートすることはできません。したがって、ポストトレーニングの段階では、ほぼすべてのデータが実世界から来なければなりません。これが、主な課題が実践的な領域、つまりデータの収集方法にシフトする場所です。このレベルのエゴセントリックデータを収集することは、環境へのアクセス、専門機器、熟練した労働者の参加、後のデータの準備など、複数のステップを伴う複雑なプロセスです。理論を超えて、ロボットが「生き始める」のは、ここでプロセスを整理し、業界横断的なチームの制約を克服し、データセットを大規模に注釈付けることができるようになったときです。これについては次のパートで詳しく見ていきます。ここでは、ラベリングと準備の際に生じるすべての課題を詳しく見ていきます。

ソートリーダー March 16, 2026

新しいロボティクス・レースの内部：データ、モデル、製造

イノベーションは、たいてい、エンジニア、起業家、研究者、投資家たちが技術の進む方向を理解しようとする会話の中で生まれるものです。孤立した場所で生まれることは稀です。1年間で、私は世界中の数十の会議に出席しました。ビジネス・トラップは時々数ヶ月間続き、パートナーやクライアントとのミーティングはアジアから北米まで行われます。しかし、最近のスイスへの旅は、特にそこで出会った人々や行われた会話により、特に興味深いものでした。チューリッヒは、ロボティクスとPhysical AIの未来が今活発に議論されている場所の1つであることが証明されました。会話が進むほど、ロボティクスにおける本当のレースはデータの周りで展開されていることが明らかになります。ヨーロッパのシリコンバレーチューリッヒは伝統的に金融セクターと関連付けられてきましたが、近年ではヨーロッパのシリコンバレーと呼ばれることが増えています。この評価は、ヨーロッパで最も尊敬されるエンジニアリング大学の1つであるETHチューリッヒと密接に結びついています。研究者、博士課程の学生、起業家、エンジニアが世界中から集まり、研究、スタートアップ、産業プロジェクトがほぼ同時に進化する、強力なテクノロジー・エコシステムが大学の周りに形成されています。私の旅の1つの理由は、Introspectorがロボティクス市場に何を提供できるかをより深く理解することでした。2025年初頭以来、この業界はブームを経験しています。多くのスタートアップがこの業界に参入しようとしていますが、大手テクノロジー企業による技術ブレークスルーがこの業界を活性化させています。にもかかわらず、この分野はまだ多くの疑問を引き起こしています。チューリッヒはまた、私たちのパートナーであるLightlyの本拠地でもあり、ロボティクス、コンピュータービジョン、AIの交差点で働く同僚たちを紹介してくれました。この地元のテクノロジー・エコシステムには、1つの重要な側面があります。人々は驚くほどオープンで歓迎的です。彼らはアイデアや仮説を共有することを恐れません。彼らが解決しようとしている課題について話し、実行している実験について話します。結果として、市場の実際の状況と業界の進む方向をより迅速に理解することができます。ちなみに、人々が私にヨーロッパの「シリコンバレー」がアメリカのものとどう違うかを尋ねることがあります。答えは彼らを驚かせます。チューリッヒでは、仕事と生活のバランスが強いと感じます。朝はスポーツ、日中は集中して仕事をし、夜は家族と一緒に山で過ごしたり、ただリラックスしたりします。サンフランシスコでは、常に他の人よりも多く働いていることを証明する必要があるような気がします。チューリッヒでは、ペースは異なります。より持続可能です。ただし、ここでのテクノロジーへの野心は、決して低くありません。より良いデータを優先するこの旅から得られた主な洞察は、比較的単純な観察でした。今日、多くの人がロボティクスで働きたいと考えています。しかし、業界への関心が非常に高いにもかかわらず、多くのチームはまだ探索段階にあり、ロボティクスとPhysical AIの新しい波の中でどのような役割を果たすことができるか、どのような貢献ができるかを理解しようとしています。多くの会話は最終的に同じテーマに収束します。データです。今日、業界はデクスタリティ・タスク、つまり、繊細なモータースキルに関するデータが不足しています。ロボットの能力は極めて限られています。人間が手で行う自動的な動作、物体を拾う、回す、慎重に配置する、または小さな操作を行うことは、ロボットにとって最も困難なタスクの1つです。ここでの進歩の鍵は、主に大規模で適切に収集されたデータセットにあります。今日、多くの人はエゴセントリック・データセット、つまり第一人称の視点から記録されたデータセットについて話しています。システムは、人間の行動を自身で行っているかのようにキャプチャします。しかし、実践では、「エゴセントリック・データセット」の概念は非常に異なるものになることがあり、多くの技術的な疑問を引き起こします。カメラをどこに配置するべきですか。額に、胸に、または目線に？ビデオ録音に伴うセンサーは何ですか？手の動きをキャプチャする場合、オペレーターは特殊なグローブを使用するべきですか？それでなければ、グローブには触覚センサー、ジャイロスコープ、またはその他のモーショントラッキング・システムを含めるべきですか？さらに複雑な質問が生じます。動きの深さを適切にキャプチャする方法は何ですか？手の2次元平面における位置だけでなく、3次元空間を通じて前、後、上、または下に動く方法を理解することが重要です。まだ、業界は統一された答えに到達していません。そのため、多くのチームは現在、さまざまなセンサー構成、録音方法、データセット形式を実験しています。マルチモーダル・システムロボティクスでのデータ収集について話し始めると、別のトピックがすぐに浮かび上がります。追加のセンサーとマルチモーダリティについてです。これらは、ボディの動き、手の動作、物体の相互作用をより正確にキャプチャすることを可能にし、データ収集中のエラーを減らすこともできます。人がカメラで自分の行動を録音する場合、いつでも部分的な素材が使えなくなるリスクがあります。カメラが少し動いたり、撮影角度が間違ったり、オペレーターが間違った方向に回ったり、動きが速すぎたりして、録音された素材の相当部分が却下されます。単純な例として、1時間の真正に使えるビデオを得るには、オペレーターは約2時間の生のフッテージを録音する必要があります。追加のセンサーはこれらの問題をある程度補償するのに役立ちます。カメラが少し動いても、センサー・データは手や体の動きを空間で再構築することができます。結果として、2時間の録音ではなく、約1時間20分で同じ量の使えるデータを得ることができます。これにより、データセットの収集効率が大幅に向上し、作成コストが削減されます。したがって、ロボティクスとエンボディドAIの開発に直接関連する、マルチモーダル・データ・アノテーションへの関心が高まっていることは偶然ではありません。次の点は、こうしたデータセットのラベリングです。私たちもKeymakrで、ロボティクス・ケースのクライアント・データセットを扱う際に同様の質問に直面しました。実践では、こうしたアノテーションはどのようなものになるべきですか？骨格的ですか？2次元的ですか？3次元的ですか？パイプラインに強化学習の要素を組み込むべきですか？そうした質問は数十個あります。エンジニア自身が、まだ誰もが確実に言えることができないのは、どのような特定のデータ構成が最終的に技術的なブレークスルーにつながるかということです。これらの懸念は理解できます。複雑なデータセットを構築するのは高価なプロセスです。データ構造の間違いごとに数千ドル、または数百万ドルかかる可能性があります。間違ったデータセットを収集したり、現実の世界で再現が難しい条件下で収集したりすると、最終的に全プロジェクトが損なわれる可能性があります。したがって、今日、モデルそのものとトレーニングされるデータの品質やアーキテクチャに、より多くの注意が払われているのです。市場が必要とするロボットの種類数十年間、自動車の組み立てラインで動作してきたクラシックな産業用ロボットは、実際にはコンピュータービジョンや複雑なAIモデルをほとんど必要としません。彼らのタスクは非常に特定的です。高精度と一貫性を持って、厳密に繰り返される動作を実行することです。この分野では、彼らは人間を長らく超越しています。人間型ロボットはまったく別のカテゴリです。これらのシステムは「脳」が必要です。空間をナビゲートし、周囲の環境を認識し、状況の文脈を理解し、事前にプログラムされたトラジェクトリーではなく、現実の世界に適応してマニピュレーターを制御する能力が必要です。現代の工場の自動化レベルが高くても、多くのタスクはまだ人間によって実行されています。物体を動かしたり、箱を拾ったり、部品を整理したり、部品を固定したり、材料を整理したりすることは、柔軟性と調整が必要な小さな動作です。この分野はまだ自動化することが最も難しい分野の1つであり、人間型システムが役割を見出すことができるでしょう。私が話した多くのチームは、似たようなビジネスモデルを使用しています。彼らは工場にアプローチし、特定の生産ケースを解決することを提案します。例えば、作業者が1日中倉庫のゾーン間で箱を移動している場合、エンジニアは比較的単純な実験を提案します。作業者にカメラとセンサー・セットを装着し、数千時間の行動を録音し、このデータを使用して人間の作業者が行ったのと同じタスクを実行するロボットを制御するモデルをトレーニングします。本質的に、会社は人間型プラットフォームを購入し、開発チームは特定のオペレーターの行動を複製するカスタム・モデルを構築します。これは、任意のタスクを解決できる汎用的な知能ではありません。特定のシナリオまたは生産タスクのグループにトレーニングされたスキル・セットです。多くのエンジニアにとって、このアプローチは、より現実的であるように見えます。汎用的なロボットを作成しようとするのではなく、チームは狭いが経済的に実行可能な自動化シナリオに焦点を当てています。ビジネス・ディメンション未来がカスタム・モデルにある場合、経済的な観点から、これは比較的長い開発パスであることを理解することが重要です。各業界は基本的に独自の世界です。各生産環境には独自のプロセス、ワークフロー、例外があります。自動車工場で動作するロボットを食料製造や倉庫ロジスティクスに単純に転用することはできません。各ケースで、システムを最初から再トレーニングする必要があります。これにより、次の論理的な質問が生じます。誰がこのテクノロジーの最初の顧客になるのでしょうか。この段階では、主な採用者はおそらく大企業でしょう。自動化が経済的に有意義な影響を与えることができ、予算も持っている大企業です。今日、人間型ロボットのハードウェアのみのコストは約6万ドルから9万ドルです。これはベース・コンフィグレーションのみです。メンテナンス・コスト、バッテリー、充電ステーション、インフラストラクチャ、ソフトウェアが上乗せされます。したがって、人間型システムを実験できる会社は、主に大手企業、自動車メーカー、食品企業、主要な産業企業です。もちろん、小規模なセクターでも初期の採用者が見られます。いくつかの会社は特定のタスク用に1つか2つのロボットを購入するかもしれません。しかし、大多数の場合、これらのビジネスはまだ、特に高度な運用シナリオ用にカスタム・データセットを収集してアノテートするために必要な数十万ユーロを投資する準備ができていません。彼らにとって、人間の労働はまだコスト面で有利です。ロボティクス・イノベーションの長期戦最終的に、基本的な経済的な質問にたどり着きます。人間とロボットのどちらがより効率的か？今日の経済を見ると、答えは明らかです。人間の労働は安価で、状況の変化に迅速に対応し、複雑なインフラストラクチャは必要ありません。那么、業界は今日、ロボティクスに投資を続けるのですか？答えは主に戦略的です。多くの会社は、技術的リーダーシップをめぐるレースが進行中であることを理解しています。コストが高いにもかかわらず、将来ロボティクスが経済的に変化したときに先んじてソリューションを開発しています。電子機器が進化し、部品のコストが低下し、コンピューティングの効率が向上すると、ロボティクスは必然的により安価になるでしょう。そうすると、モデルを構築し、データを蓄積し、必要なテクノロジー・インフラストラクチャを確立した会社が優位性を得ることになります。例えば、新しい規制が人間型ロボットの大量使用を許可することができます。あるいは、政府が産業のロボティカを補助することを始めることができます。そうしたシナリオでは、市場は数年以内に劇的に成長する可能性があります。先に準備した会社、すでにモデルを持っている会社、研究を行っている会社、テクノロジー・スタックが整っている会社が最も利益を得ることになります。それが、ビジネス・エコノミーがまだ理想的ではない現在でも、開発が続いている理由です。多くの会社にとって、これは将来への投資です。テクノロジーがよりアクセスしやすくなり、需要が急激に高まったときのことです。そして、このレースでは、他の多くの技術革新と同様に、1つの要素が決定的な役割を果たすことが多いです。誰が先に始めたかです。この意味で、今日のロボティクスは、AIの初期段階と強い類似性を持っています。当時も、答えよりも質問の方が多かったのです。しかし、データとインフラストラクチャを先に始めたチームが、最終的に全業界の方向性を形作りました。

ソートリーダー February 18, 2026

物理AIは私たちが思ったよりも難しい

物理AIは、すでに印象的なデモからエンジニアリングの現実へと急速に移行しつつあります。もしも注目が主にその能力に焦点を当てていたのであれば、今日ではスケーラビリティの質問がますます緊急に感じられるようになっています：何がこれらのシステムを真正に広範で信頼できるものにするのを妨げているのでしょうか?物理AIとヒューマノイドロボティクスは現在、3つの大きな課題の交差点に立っています：エンジニアリング、認知、投資に関連する課題です。物理世界で動作する知能は、ソフトウェアベースのAIとは根本的に異なる要件を課します：ここでは、ミスは高価で、環境は予測不可能なままです。那は pourquoi 会話は、驚きの効果から具体的な技術的、市場的、規制上の障壁へと移行しているのです。考えることを学ぶ必要があるメカニック最初の課題は、微細な動きです。私たちは、高度に精密な微細動きを実行できるモーターとサーボを備えています。しかし、人間の感覚、柔軟性、そして小さな物体を扱う際の瞬間的な適応能力を再現することは、非常に困難です。人間の手は、無意識のうちに力、角度、速度、軌道を調整しています：すべてが、わずかな秒単位の時間内で、最も小さな変化にも対して不断に調整されます。2番目の課題は、バランスと力の制御です。ロボットは、さまざまな形状、重量、質感の物体と互動しなければなりません：リンゴ、グラス、ジュエリー、金属部品、濡れたまたは滑らかな物体。ロボットは著しい物理的な強さを持っているかもしれませんが、それを正しく適用する必要があります。これには、圧力、抵抗、表面接触を「感じる」ことができるタクティルセンサー、システムが必要です。ただ、力の検出だけではなく、特定の動作の文脈内でそれを適切に解釈することも同様に重要です。これは、物体の物理的特性：材料抵抗、弾性、摩擦、他のパラメータを理解することについてです。別の深刻な課題は、空間方向：6D表現と呼ばれるものです。これは、「6次元の世界」という意味ではありません。むしろ、3つの位置座標：高さ、幅、深さ、そして3つの方向座標：各軸の回転角度についてです。たとえば、チューブまたはグラスは3次元の物体です。しかし、ロボットにとって、その座標を知ることは不十分です。物体の向き、重力に対するその位置、そして操作子が回転するときのその位置の変化を理解する必要があります。ロボットがグラスを持ち上げて水を注ぐとしたら、それを単に「物体を傾ける」ことはできません。正確な軌道、角度、回転速度を計算し、内部の液体、慣性、重力の力も考慮する必要があります。すべてこれらは、洗練された空間モデリングと動作の結果の予測を必要とします。市場がまだ慎重な理由ヒューマノイドロボティクスにおける物理AIを考慮する際には、まだ目立つレベルの懐疑主義を認めることが重要です。この懐疑主義の一部は、心理的なものです。アンドロイドバレー効果：人間に近いが、完全にリアルではない何か：不快感や不安を生み出します。自然でない顔の表情、少し硬いまたは「壊れた」動き、機械的なイントネーション：すべてが感情的な抵抗を生み出します。嫌悪感を引き起こす技術は、よりゆっくり採用されます。しかし、主な障壁は経済的なものです。投資家は、企業が数十年間にわたって印象的なプロトタイプを展示してきたが、スケーラブルな商業モデルはまだ限られていることを認識しています。技術の進歩は明らかですが、持続可能な大量市場はまだ完全には現れていません。ボストン・ダイナミクスはエンジニアリングの傑作を構築していますが、その応用はまだニッチで高価です。テスラは自身のヒューマノイド・プロジェクトを開発しています。新しい企業であるFigure AIは、製造、物流、ケア業界向けのロボットを約束しながら、著しい投資を引き付けました。製造は、この文脈では明らかな方向性です。ロボット化は、採用の速度とコストについて疑問視されるのではなく、採用されるかどうかについて疑問視されます。さらに明確な例は、物流と倉庫です。物流ロボットは、今日のロボティクスの最も利益の出る分野であり、広く採用されています。Keymakrでは、多くの物流企業が、テクノロジーを導入しながら、スケールアップするためのアノテーションサービスにアプローチしてきました。世界的な電子商取引の規模は、巨大な商品の移動を高速で精密に処理することを要求しています。人間はそのペースで動作することが物理的に不可能です。その結果、倉庫の自動化は「ホット」なトピックとなり、独自の産業を生み出しています：自律プラットフォームがルートをナビゲートし、整理し、輸送し、貨物を配布します。しかし、業界の大部分はまだパイロット段階にあり、野心的な約束をしています。企業は、予測可能な収益化を提供する説得力のあるユースケースを探しています。投資家は、投資収益率への時間、技術的リスク、エンジニアリングの課題の規模を評価しています。それが市場が段階的に発展している理由です。この分野の資本は、ビジョンだけでなく、実証された経済学も必要です。リスクはアーキテクチャの一部となる別の議論の層は、規制とサイバーセキュリティについてです。物理AIのための包括的な規制フレームワークはまだ完全には形成されていません。業界はまだ形成段階にあります：成熟した規格はありません。日常の環境における広範な存在はありません。確立された認定プロトコルもありません。規制は必ず出現します：しかし、他の技術サイクルと同様に、それらはスケーラビリティの結果となるでしょう。今最も重要なのは、別の質問です：物理的自律性を獲得したシステムに対する信頼です。家庭、倉庫、または重要なインフラ施設内のロボットは、センサー、カメラ、マイク、通信チャンネルを備えたネットワークノードです。その動作は、ソフトウェアと更新によって決定されます。ロボットが最初は安全な動作のみを実行するようにプログラムされていても、サイバー攻撃の可能性は残ります。十分な保護がなければ、悪意のあるアクターが理論的にデバイスのネットワークにアクセスし、有害な目的で使用しようとする可能性があります。自律車やロボットネットワークのハッキングのシナリオは、すでにカードの中にあります。それらは、リスク評価の一部として扱われます：銀行システム、インターネット、クラウドサービスがそうだったように。しかし、歴史は、技術の進歩が脅威のために停止することはないことを示しています。代わりに、業界は保護を強化するために、規格を確立し、監視を実施し、多層的なセキュリティシステムを構築します。物理AIも同じ道を辿るでしょう。質問は、リスクが生じるかどうかではなく、セキュリティがどれくらい速くエコシステム全体に組み込まれるかです。業界がそれを構築している上記に挙げたすべての課題、技術的、市場的、規制上のものは、重要な特性を共有しています：それらは、孤立して解決することはできません。物理AIは、スタンドアロン製品、あるいは単一の技術として見ることはできません。私たちが目撃しているのは、ハードウェア、コンピューティング、エネルギー、データ、材料が同期して進化する、全体的なインフラストラクチャの形成です。そして、ここで明らかになるのは、これが新しい産業エコシステムの出現であるということです。ロボットは自律的でモバイルです。つまり、クラウドだけに頼ることはできません。サーバークラスターで動作するLLMと同様に、物理的知能は現場で、リアルタイムで決定を下す必要があります。これは、エッジデバイスのチップ要件を根本的に変えます：それらは強力で、エネルギー効率が高く、エッジデバイスでの推論に最適化されなければなりません。これは、ロボティクス用のエネルギー効率の高いチップ、エッジへの展開用のコンパクトで最適化されたAIモデル、suchモデルをトレーニングするためのプラットフォーム、データのアノテーションシステム、特別なデータセットの準備（私たちがIntrospectorで行っているように）、およびバッテリーと自律電力システムの進歩を含む、幅広い新しい開発分野を生み出します。ロボットが自身のバッテリーを交換するという概念は、すでに議論されています：空のモジュールを取り外し、充電し、システムを完全にシャットダウンせずに充電されたものを接続します。これ自体が別の市場になる可能性があります。物理AIを中心とした包括的な業界が、コンピューティングやエネルギーだけでなく、材料科学も進化する必要があります：皮膚を模した合成コーティング、柔軟なセンサーサーフェス、人間のインタラクションに安全で触覚的に快適な材料。ロボットが人間と共に作動する場合、その外観や物理的特性は、技術に対するユーザーの認識や信頼の一部となります。この意味で、物理AIは、チップやバッテリーからセンサー、ソフトウェア、材料、人間の認識要因まで、全技術スタックについてです。ここに、将来の業界の真の規模が潜んでいます。

ソートリーダー February 17, 2026

物理AI：新時代の英雄

今日、AI業界に関係する全ての人が物理AIについて話しています。この用語は、ニッチな議論から主流の議題に急速に移りました。例えば、NVIDIAは、物理AIをその戦略の中心に据えています。新しいロボティクスモデルやシミュレーションフレームワーク、エッジコンピューティングハードウェアなど、自律機械用に特別に設計されたものまで、すべてが物理AIに焦点を当てています。1兆ドル規模のインフラストラクチャ企業が概念の周りに製品ロードマップを再編成し始めたとき、それは方向性になります。物理AIとは、本当に新しい技術か、パラダイムか？そして、この2つの言葉の背後には何が隠されているのか？旧新事物全球的に考えてみると、物理AIは常に存在しました。ロボティクスや自律システムに関連するすべては、基本的にこの定義に当てはまります。1960年代には、人工知能の要素を使用して制御される車両が現れました。当時の基準では、これらは非常に原始的なコンピュータビジョンシステムでしたが、車両は「見た」ものに基づいて動きを調整することができました。那は物理AIの最初の現れの1つでした。ロボティクスシステムが自律性と環境認識を組み合わせたものは、すべて物理AIです。単純に言えば、物理世界を分析して理解し、決定を下し、行動を起こすために人工知能を適用することです。したがって、私たちは根本的に新しい技術について話しているのではありません。自律機械は長い間存在しています。さらに、宇宙船、火星ローバーを含む、すべて基本的に同じ原理で動作しています。コンピュータビジョンシステムを備えており、宇宙を航行し、表面を移動し、サンプルを収集しています。すべてこれらは物理AIの形式です。2026年に変わったのは、注目の焦点です。用語自体が人気になりました。市場は、新しい「英雄」、つまり議論や投資の関心が形成される概念が必要です。ある時は、暗号通貨でした。次に、スマートコントラクトが登場しました。これは、基本的に同じアイデアですが、新しい、より投資家に優しい名前でした。これは、既存の技術を再パッケージ化し、新しい波の関心を呼び起こす方法でした。物理AIについても同様のことが起こっています。用語自体は新しいものではありませんが、今日それは新たな関連性、新的な輪郭、開発ベクトルを獲得しました。コンピュータに話す、テキストを生成する、推論を模倣することを教えました。自律車は運転手なしで動いています。テスラのFull Self-Drivingシステム、ウェイモー、ズークスは乗客を運んでいます。自律トラックは実験され、現場で動作しています。多くの課題はすでに解決されています。同時に、ロボットはまだ、服をきれいに畳んだり、食器洗い機をロードしたりするような、シンプルな日常のタスクを信頼性を持って実行することができません。そこで市場は、新しい成長点、未解決の問題が残り、まだスケールの余地があるドメインを探し始めます。この文脈では、物理AIという用語は、次の技術開発段階を説明するための便利なフレームワークとして機能します。この段階では、知能は画面の外に出て、現実の物理世界で作用し始めます。テクノロジー巨大企業の論理マクロレベルで見ると、物理AIへの注目が増していることは偶然ではありません。NVIDIAの歴史は、物語的な例です。同社は、ゲーム用のグラフィックプロセッサから始まりました。後には、暗号通貨ブーム時の暗号通貨マイニングのためのバックボーンとなりました。その後、同じコンピューティングパワーは、深層ニューラルネットワークのトレーニングに不可欠となりました。各新しい技術サイクルは、ハードウェアへの需要を強化しました。しかし、ニュアンスがあります。技術が最適化されると、過剰なコンピューティングパワーの需要は徐々に減少します。LLMはより効率的になります。中国企業は、強力なモデルを大幅に低コストでトレーニングできることを示しています。インフラストラクチャ製造業者にとって、これは警告信号です。如果モデルがよりコンパクトで安価になり、推論がエッジデバイスに移行し、トレーニングが最適化されれば、市場はサーバーキャパシティの指数関数的な成長を必要としません。つまり、新しいドライバーが必要です。物理AIはこの役割を完璧に果たします。純粋なソフトウェアベースのモデルとは異なり、物理AIにはセンサー、リアルタイム処理、データストリーム処理、シミュレーション、継続的な実験の統合が必要です。ロボットは「妄想」できない。テキストのエラーは無害ですが、操作機の動きのエラーは機器を損傷させたり、人間に怪我をさせたりする可能性があります。これは、信頼性と計算負荷のまったく異なるレベルを表します。例えば、Introspectorでは、高品質のデータとエッジケースの重要性を十分に理解しながら、この分野に広く取り組んでいます。要約すると、1つの技術サイクルが成熟に近づくと、資本は次の、より複雑で、構造化されていない、潜在的によりスケーラブルなサイクルを探し始めます。世界のテクノロジー巨大企業には、この新しいサイクルに投資し、積極的に推進するためのリソースがあります。物語、エコシステム、そしてそれを取り巻く規格を形作ります。ロボティクスの未開拓な領域過去10年間の技術市場を近くから見ると、ほぼすべての主要なAIドメインで、既に支配的なプレーヤーの核心グループが現れています。LLMには、エコシステム全体を支える数少ないグローバルプラットフォームがあります。自律輸送では、数少ない企業がセンサー、地図、フリート、インフラストラクチャに数十億ドルを投資しています。スマートフォンでは、基本的に閉じたクラブです。スタートアップは、まだアーキテクチャが固まっていない分野を探します。投資家は、指数関数的な成長の可能性を持つ市場を探します。1つのドメインが成熟に近づくにつれ、注目は、構造がまだ固まっていない、規格がまだ固定されていない、ゲームのルールを定義することがまだ可能な分野に移ります。この意味で、ロボティクスは真の未開拓な領域です。家庭用アシスタント、小売のサービスロボット、倉庫の自動化、農業、建設、医療支援、介護など、数百の潜在的な応用があります。これは1つの市場ではありません。1つの技術層の中に数十の市場があります。主な違いは、まだ統一されたアーキテクチャがないことです。物理AIの「オペレーティングシステム」はありません。センサーの標準的な構成はありません。テンプレートを使用してスケールアップできるモデルはありません。各チームは、基本的な問題を最初から解決しています。認識、ナビゲーション、操作、バランス、人間とのインタラクションなどです。それが魅力です。ロボティクスは、境界がまだ引かれていない領域です。そこで、それは再び大きな市場になりました。B2Bから始まる今日、私がロボティクスについて話す専門家の多くは、次の開発の波はB2Bセグメントで始まるだろうと確信しています。産業は常に新しい技術を最初にスケールアップしてきました。経済は明確です。プロセスは高く再現性があり、結果は測定可能です。同時に、産業用ロボティクスは長い間存在しています。私たちは「暗い工場」と呼ばれる、ほとんど人がいない、したがって照明が不要な施設について知っています。生産ラインは完全に自動化されています。ロボットアームは組み立て、動き、溶接、パッケージングを扱います。自動車産業は最も印象的な例です。テスラやトヨタは年間数百万台の車両を生産しています。そんなスケールは、深いロボティゼーションなしでは不可能です。コンベアベルトが車両のパーツを運んでいます。ロボットアームは降りて、オブジェクトを掴み、持ち上げ、コンテナに置く必要があります。固定されたアクションのシーケンスを単純にプログラムできます。下げ、握り、持ち上げ、移動、放す。オブジェクトがなくても、アームはまだ事前に定義されたサイクルを実行します。自動化です。AIは、不確実性のある状況を評価する能力が現れるところから始まります。例えば、自律車が道路脇に立っている人を見ます。速度、天気条件、人が予期せずに道路に滑り込む可能性を考慮します。基づいて、システムは予め減速するかもしれません。信号への反応ではありません。予測とリスク評価です。私がKeymakrで働いていたとき、自動車会社が道路標示の複雑な3Dラベリングを管理するために、高精度のデータソリューションを提供しました。すべてモデルが「考える」ことを助けるために行ったことです。今、工業用ロボットアームに戻りましょう。推論は必要ありません。すべてのパラメータは事前に定義されており、システムのタスクは適応ではなく、繰り返しと精度です。人間に優ることです。人間は、単調な作業を長時間繰り返すと、質が低下します。ただし、タスクが厳密に定義されたシナリオを超えると、状況は変わります。物理AIの核心的な課題は、自動化から知的適応性への移行にあります。現代の知的ロボティクスシステムはまだ高価です。柔軟性と適応性が必要なタスクでは、まだ人間に劣ります。区別することが重要です。古典的な自動化は人間を上回りますが、知的コンポーネントはまだそうではありません。工場の床にあるロボットアームは、プログラムされた一連のアクションを高精度と高速で繰り返し実行します。人間が長時間にわたって単調な作業を続けることはできません。品質が低下します。しかし、環境が予測不可能になると、本当の課題が始まります。そこに、自動化と真のAIの境界が現在引き出されています。物質と仕事ここで、核心的なアイデアに到達します。物理AIは、ハードウェアやトレンドについてではなく、知能を物理的な結果をもたらす環境に移行させることについてです。AIの次の開発段階は、その能力によって定義されます。現実の世界で信頼性を持って動作する能力です。この移行は、以前のものよりも複雑です。センサー、ハードウェア、ローカルコンピューティング、新しいモデルアーキテクチャ、新しいデータセット、新しい安全性規格の統合が必要です。技術スタック全体の再構築です。この意味で、物理AIは本当に新しい時代の英雄になります。各技術サイクルは、次の段階に従います。最初は研究室、次にデモンストレーション、投資のピーク、そしてその後に実際の産業化です。物理AIは今日、デモンストレーションと産業化の間にあるところにあります。ここで、核心的な質問が定義されます。誰が最初にそれをスケーラブルに、安全に、経済的に実行可能にすることができるでしょうか？それについては、次回に話します。

ソートリーダー January 23, 2026

2026年に支配するAIトレンドと、テクノロジーはどこへ向かっているのか？

2026年までに、AIは新しい段階に入る－より挑戦的で、より実用的で、そしてはるかに大規模なものになる。市場は幻想を捨て、金銭はより慎重に数えられ、企業は単純な質問をしている：ここにある本当のビジネス価値は何なのか。すべての重要なトレンドは1つの地点で収束する：AIはツールとしてではなく、インフラストラクチャとして機能するようになる。LLMからエージェントシステムへ業界を現在形成している重要なトレンドの1つは、エージェントAIです。これは、補助ツールから大企業で広く使用されるフルフィーチャーのエンタープライズソリューションへと進化している。これは、テキスト生成、分析、その他の標準タスクに使用される従来のLLMの次の段階である。歴史的に、これらのテクノロジーは長期間、大企業内に留まっており、一般大衆の目にはほとんど見えなかった。GoogleやFacebookなどの企業は、LLMという用語が一般的になる前にすでにこれらのテクノロジーを使用していた。10年前、私が国際ソフトウェア会社で働いていたとき、私たちはこれらのシステムを開発して使用していたが、当時はLLMではなく、データ処理AIと呼んでいた。転換点は、人工知能の民主化によって訪れた。ChatGPT、Gemini、その他の製品の出現により、AIは大衆市場のツールとなり、関心と投資の急激な増加を引き起こした。しかし、市場はすぐに限界に達した：短期間のうちに、ほぼすべての明らかなユースケースがすでに実装されていた。当時の多くのスタートアップは独自のモデルを構築しなかったが、既存のLLMの上にインターフェースを構築する「ラッパー」を作成した。これらのソリューションは急速に価値を失った。なぜなら、ベースモデルは、別のアプリケーションを必要とせずに、同じ機能を直接提供したからである。この時代は約1年間続いた。数十億ドルがこれらの製品に投資され、その後、期待が過大であったことが明らかになった。この背景のもと、エージェントシステムへの移行が始まった。AIエージェントは、複数の専門化されたモデルが相互にやり取りし、タスクを分配し、行動を調整する、より複雑なアーキテクチャを表す。このアプローチにより、旅行の計画からビジネスプロセス管理まで、複雑なシナリオを処理することが可能になり、AIの進化の次の段階を示す。市場の統合と、巨大企業のみが生き残る理由すでに、AIエージェント市場は実質的に統合段階を通過している。約10社ほどの主要プレイヤーが登場し、急速に支配的な地位を占めている。このプロセスは、基本的に電子メールサービス市場の歴史を反映している。最終的に、Microsoft、Google、Yahooが市場を支配したのと同様に、エージェントAIでも同様のダイナミクスが発生している。主要なソリューションは、Cohere、OpenAI、Googleなどの企業によって開発されている。これらの企業は、新規参入者だけでなく、以前はニッチ市場を占めていた小規模プレイヤーをも徐々に駆逐していくことになる。現在、主要プロバイダーの焦点はエンタープライズセグメントに移っている。2025年を通じて、彼らは大企業にエージェントシステムを積極的に展開し、顧客サポート、内部ナレッジベース、従業員トレーニング、ドキュメントワークフローの自動化などの適用タスクから始めた。典型的なシナリオは、企業資料を分析し、人間の専門家がいなくても複雑な質問に答えることができるインテリジェントなアシスタントを構築することである。たとえば、Keylabsのようなプラットフォームのすべての技術資料を処理して、ボットがライブエキスパートを必要とせずに任意の技術質問に答えることができるようにする。スケーリングが次のステップとなる。近い将来、エンタープライズクライアントには、会計、法務、運用プロセス管理など、ますます包括的なパッケージが提供される。人間の役割は、監視と最終的な意思決定への移行し、AIエージェントはルーチンタスクを処理することになる。同様のことが他の企業機能にも当てはまる。例えば、大規模な銀行で従業員が何千人もいる場合、AIエージェントは旅行の組織、チケット管理、旅程変更を外部サービスや請負業者に代わって処理できる。主要プロバイダーがこれらのサービスを1つの統合パッケージで提供し始めると、特化したスタートアッププロバイダーは競争力を失うことになる。大企業は市場を零から征服する必要はない。彼らは、企業組織内のビジネスプロセスをより多くカバーするように水平方向に拡大していく。AIと自動化に最も敏感な業界テクノロジー全般について話すとき、法務部門のワークフローはすでにデジタルツールやAIによって再構成されていることは明らかである。多くの企業は、ルーチン操作の自動化により、従来の法務サービスに対する需要が減少している。法務部門だけでなく、特に銀行を含む金融部門でも同様である。しかし、法的実務と司法制度を区別することが重要である。法廷での訴訟では、弁護士がクライアントの利益を代表し、守る役割は不可欠である。AIを司法実務で使用する実験にもかかわらず、人間が決定を下し、法的論点を構築する役割は、少なくとも次の数十年間は法廷で続くことになる。企業法の場合、状況はまったく異なる。ほぼすべてのビジネス操作には、NDAや基本契約書からプロジェクト文書まで、法的文書が伴う。以前は、これらの契約書の作成と承認には、法務チームから何回もコメントを付けたり、時間がかかったりした。現在、これらのプロセスは、AIツールやLLMによってますます最適化されている。AIは、論争的または機密的な条項を迅速に特定し、修正を提案し、文書が会社の内部要件に準拠していることを保証するのに役立つ。結果として、承認サイクルは大幅に短縮され、弁護士の役割は、監視、戦略的リスク評価、最終的な意思決定への移行することになる。同様の変化が金融部門でも起こっている。税務や財務報告などのタスクは、厳格な規則や規制によって管理されており、AIは特に効果的であることが証明されている。多くの企業はすでに、計算の自動化、報告書の作成、運用の精度の向上のためにこれらのソリューションを使用している。最終的に、テクノロジーは専門家を置き換えるのではなく、仕事の性質を変えている。ルーチン操作は自動化され、分析、管理、戦略的なタスクへの焦点は、人間の専門知識が極めて重要な役割を果たす。2025年に、私はKeymakrのクライアントリクエストでこれを明確に観察した。金融および法務業界でのデータソリューションに関する多数の問い合わせがあった。2026年を見据えて、すべての決定的なプロセスは、エージェントAIシステムに徐々に移行する。決定的なとは、法律、規制、財務手続き、コンプライアンスによって規定されるタスクを指す。この文脈では、開発の次の論理的な方向はサイバーセキュリティである。AI自動化の反面であるサイバーセキュリティデータの量が増加し、システム間でより活発に循環するにつれて、リスクレベルは不可避的に増加する。情報がローカルに保存され、孤立している場合、相対的に保護されている。しかし、データの継続的な交換がデータベース、AIモデル、エージェント間で始まると、攻撃可能な領域は急激に拡大する。現代のAIシステムは、連続的なデータアクセスを必要とする。エージェントシステムが動作し、言語モデルが情報を分析して決定を下すには、データを定期的に内部リポジトリから外部の計算環境に抽出する必要がある。この時点で、重要な質問が生じる：誰が潜在的な脆弱性を利用できるのか。会社自体か、またはそのインフラストラクチャに依存している第三者のAIプロバイダーか。主要プロバイダーに脆弱性がある場合、攻撃者はそのシステムだけでなく、多数のクライアント会社のデータにもアクセスできる可能性がある。外部依存関係がない場合、この攻撃ベクトルは存在しない可能性がある。したがって、AIの採用は、サイバーリスクの周囲を大幅に拡大する。ターゲット攻撃や脆弱性を持つさまざまなアクター、悪意のあるアクター、セキュリティ専門家、積極的な防御チームが活躍する幅広いスペクトルに対する機会を生み出す。これらのすべてのプロセスは相互に結びついている：AIの自動化の成長はサイバーセキュリティ要件を増加させ、それが新しいソリューションや企業の出現を刺激する。すでに、AIインフラストラクチャを保護するツール、データアクセスを管理するツール、リスクを監視するツールを開発するスタートアップの波が見られる。2026年に向かう道大きなAI/LLMプロバイダーの統合と、サイバーセキュリティに焦点を当てた、エージェントによる決定を下す能力のあるシステムの普及により、状況が明らかになる。より実用的で、より実用的で、ルーチンタスクを処理し、企業の意思決定のさまざまなセクターを自動化する、より実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、実用的で実用的で、

ソートリーダー January 5, 2026

計算パワーの聖杯：AIにおける計算能力の重要性

驚くべき進歩にもかかわらず、人工知能の能力は、現実世界の期待と比較してまだ制限されています。私たちは複雑なモデルを構築し、ニューラルネットワークを実行し、アルゴリズムをテストしますが、時には予想外の場所で進歩が停滞します。問題は、アルゴリズムやデータではなく、計算能力、つまりモデルが必要なスケールで学習し、動作することを可能にするリソースにあることが多いです。では、この障壁の背後にあるものは何ですか？計算能力の重要性を理解するために、モバイル通信の歴史から始めましょう。計算能力の不足とその結果このテーマを理解するために、モバイル通信の歴史から始めましょう。3Gと4Gネットワークが登場したとき、インターネットはすでにほぼ世界中に広まっていました。5Gが導入されたとき、多くの人は妥当な質問をしました：「インターネットはより速くなりますが、どのように？」実際には、インターネットの速度の向上はユーザーの利便性にのみ関係しません。技術的な景観全体が変わります。以前は不可能だったユースケースが現れます。5Gは4Gよりもはるかに速く、この飛躍は1Gから2Gへの移行のように漸進的なものではなく、指数関数的なものでした。結果として、新しいアプリケーション、デバイス、技術の全てのクラスが現れました。信号機のカメラ、リアルタイムの交通分析システム、自動交通制御メカニズム – すべてこれらは、新しい通信技術の登場により可能になりました。警察はデータの交換方法を新たに得ました。宇宙では、望遠鏡や衛星が地球に大量の情報を送信できるようになりました。基礎技術の質的飛躍は、全エコシステムの発展を促進します。同じ原理が計算能力にも適用されます。人間の総計算能力を仮想的な単位で表してみましょう。今日、私たちが持っているものは、たとえば10の単位です。私たちが持っているものは、10の単位です。これらで、画像や動画を生成し、テキストを書き、営業資料を作成することができます… これはすでにかなり大きなものですが、アプリケーションの範囲は主に制限されています。今、10の単位ではなく、1000の単位を持っているとします。突然、以前はあまりに高価で実行できなかった技術が実行可能になり、計算コストの高さのために放棄されたスタートアップが経済的に意味のあるものになります。ロボタクシーを例に挙げてみましょう。今日、ロボタクシーは主に車に搭載された比較的弱いローカルコンピューターに依存しています。しかし、ビデオフィードを大量の計算リソースを持つクラウドに転送し、データをリアルタイムで処理して返せば、ロボタクシーの業界が完全に機能するようになります。車が100 km/hで走行しているとき、車はfractions of a secondで決定を下さなければなりません – 直進、曲がり、ブレーキ、またはブレーキしない。これが、完全に機能するロボタクシーの業界が可能になるわけです。今見られるような孤立した解決策ではなく、完全な解決策です。車に搭載されたローカルコンピューターは、接続されたシステムとは根本的に異なり、制限を受けることになります。スケールアップするほど、世界は変化します。AIにおけるチップへのアクセスと「ゴールデンチケット」計算能力の文脈では、次の質問が生じます。AI市場への参入のための「ゴールデンチケット」は、モダンチップへのアクセスになりますか？大手企業がチップメーカーと契約を結んだり、チップを自社で生産したりしているため、企業間のギャップが生じていますか？そのようなギャップは、ビジネスモデルが大口顧客へのチップの販売のみに焦点を当てている場合にのみ生じます。実際には、NVIDIAのようなメーカーは、クラウドソリューションをすべてのユーザーに提供することを目指しています。彼らの最適化されたチップは、クラウドでOpenAIや独立した開発者に利用可能です。Google、Anthropic、Microsoft、OpenAI、Amazon、NVIDIAなどの企業間の戦略的提携は、市場を閉鎖しようとするものではなく、共有リソースの活用を目的としたパートナーシップです。このモデルにより、計算能力の効率的な割り当てが可能になり、技術の開発が促進されます。計算リソースの使用を追跡すると、エンドユーザーから始まります。たとえば、WhatsAppを使用してビデオ通話やメッセージを送信する場合、会社はサービスが動作することを保証しなければなりません。データを保存して処理し、ビデオのクリーンアップのためのモデルを実行し、エフェクトを追加し、画像の品質を向上させます。独自のサーバーを維持することは高価で、古くなり、常にメンテナンスが必要です。そのため、クラウドソリューション、つまり「クラウド」が登場しました。市場は、Google Cloud、AWS、Microsoft Azureの3大プレーヤーによって支配されています。他の会社はこのレベルで競争することができません。インフラの規模があまりに大きいためです。クラウドサービスは、冷却、電力供給、24時間のメンテナンスを備えた巨大なデータセンターです。NVIDIA、AMD、その他のメーカーのサーバーと専用チップが設置されており、大規模な計算プロセスを可能にします。ここで、私が以前のコラムでデータセンターについて議論したことを繰り返します。システムのボトルネックは何ですか？電気の不足ですか？データセンターを特に厳しい気候の地域で冷却するのが難しいですか？実際の秘密はチップ自体にあります…聖杯なぜNVIDIAは現在約5兆ドルの時価総額で世界で最も成功している公開企業の1つと見なされているのでしょうか？理由は簡単です。NVIDIAは、AIモデルをトレーニングして実行するためのチップを生産しているからです。これらのチップは、巨大なモデルをトレーニングしたり、増え続けるデータ量を処理したりするときに大量の電力を消費します。しかし、そのエネルギーはどれほど効率的に使用されていますか？ここで、専用チップが重要な役割を果たします。専用チップは、特定のタスクを一般的なGPUよりもはるかに効率的に処理できます。AIモデルは異なります。OpenAIには一連のモデルがあり、Anthropicには別のモデルがあります。概念は似ているかもしれませんが、数学的な構造と計算プロセスは異なります。一般的なGPUは、OpenAIモデル（例：ChatGPT）とAnthropicモデル（例：Claude）をトレーニングするときに、「ワンサイズフィットオールツール」のように動作し、1つのモデルには10万時間の計算が必要で、別のモデルには15万時間の計算が必要です。効率は大きく異なり、ほとんどの場合、最適化されていません。企業は、この問題を専用チップを生産することで解決しています。たとえば、1つのチップはChatGPTアーキテクチャに最適化されており、20分でトレーニングを完了できます。別のチップはAnthropicのアーキテクチャに最適化されており、20分でトレーニングを完了できます。エネルギー消費とトレーニング時間は、一般的なチップと比較して大幅に削減されます。これらのチップは、大企業に販売されると、スタンドアロン製品として提供されます。ユーザーは、YOLOモデル用に最適化されたチップまたはXenアーキテクチャ用のよりシンプルで安価なチップを選択できます。企業は、汎用的なGPUを購入するのではなく、タスクに合わせて最適化された計算リソースにアクセスできるようになります。ユーザーが10個の異なる機能を持っている場合、10個の異なる専用チップを使用できます。トレンドは明らかです。専用チップは、徐々に汎用的なチップに取って代わっています。多くのスタートアップは、特定の計算タスク用に設計されたASIC（Application-Specific Integrated Circuit）と呼ばれるチップを使用しています。最初のASICはビットコインマイニング用に登場しました。最初はNVIDIAのGPUでビットコインをマイニングしていたのですが、ビットコイン専用のチップが開発され、他のタスクを実行することはできなくなりました。私は実践でこれを見ています。同じハードウェア構成は、タスクによって完全に異なる結果をもたらす可能性があります。私のスタートアップ、Introspectorでは、実際のプロジェクトでこれらのプロセスを研究しています。Keymakrの戦略アドバイザーとしても、クライアントが専用チップから効率を得ているのを見ています。以前はトレーニングや推論で停滞していたプロジェクトが、このアプローチで安定した結果を達成しています。しかし、狭い専門化にはリスクがあります。Anthropicのアーキテクチャ用に最適化されたチップは、OpenAIモデルをトレーニングするには機能しません。逆もまた同様です。各新しいアーキテクチャには、新しいハードウェアの世代が必要になります。これにより、大規模な「廃止」のリスクが生じます。Anthropicが明日新しいアーキテクチャをリリースした場合、以前の世代のチップは非効率的または無用になります。新しいチップを生産するには数十億ドルかかり、数年かかる可能性があります。これにより、ジレンマが生じます。狭いシナリオで完璧に機能する専用チップを作るべきでしょうか？それとも、すべてのタスクを平均的にうまく処理する汎用的なチップを生産し続けるべきでしょうか？この文脈では、効率は、実行時間、電力消費、熱発生の3つの主なパラメータで測定されます。これらのメトリックは直接関係しています。システムが長時間実行されると、より多くのエネルギーを消費し、より多くの熱を生成します。1つのパラメータを削減すると、他の2つのメトリックも自動的に改善されます。ここに、AIパフォーマンスの「聖杯」があります。少なくとも1つの基本的な効率メトリックが最適化されれば、他のメトリックはほぼ自動的に改善されます。持続可能なプロセス専用チップの使用が増えるにつれ、過剰生産のリスクが重大な問題になりました。現在、既存のリソースの再利用が持続可能な開発の重要な要素となっています。機器のリサイクルは、高度な技術産業における持続可能な開発の重要な要素となりました。チップには、金、銅、アルミニウム、パラジウム、希土類物質などの貴重な金属や基礎金属が含まれています。また、マイクロチップやトランジスターに使用される材料もあります。機器が古くなると、これらの貴重なリソースを新しいコンポーネントの生産に再利用することができます。同時に、産業の環境への影響も軽減されます。一部の専門工場や企業は、旧コンポーネントから貴重な金属を抽出することに重点を置いています。たとえば、一部の施設では、水溶性冶金プロセスや高度な化学方法を使用して、金や銅を高純度で抽出しています。これにより、これらの材料を新しいチップの生産に再利用することができます。企業は、古い機器を新しいソリューションにアップグレードしたり統合したりすることで、クローズドループモデルを実施しています。これにより、一次資源の抽出の必要性が減ります。このようなアプローチは、廃棄物を最小限に抑えるだけでなく、伝統的な採掘や金属加工が必要な生産の炭素足跡も低減します。チップや機器のライフサイクルを管理する持続可能な方法は、産業の標準になる可能性があります。ここで、技術の進歩が環境責任と一致しています。

ソートリーダー November 26, 2025

AIの所有権をめぐる闘い – データセンターが今更重要な理由

数年前、データセンターは、純粋に技術的なもので、バックエンドに隠されていて、専門家の間でのみ議論されていたように思えた。しかし、AIの爆発的な成長により、この図は完全に変化した。今日、データセンターはデジタル経済の新しい「石油井」になっており、投資、政府の政策、企業戦略がこの戦略的資産の周りに築かれていく。最近のニュースはこれを証明している。Anthropic 発表したアメリカでの自社データセンターの建設は、50億ドルの費用がかかり、主要エネルギー事業の予算に相当する。ほぼ同時に、X.AIとNvidiaはサウジアラビアで共同プロジェクトを発表し、地域最大のデータセンターの1つとなった。なぜデータセンターの話題が世界的に注目されているのか。なぜ主要プレーヤーがクラウドモデルから離れて、数十億ドルを自社の能力に投資しているのか。さらに、このシフトはAIアーキテクチャ、エネルギーシステム、地政学、代替モデル、北極や宇宙ベースのデータセンターの台頭にどのように影響するのか。以下のコラムで探究する。データセンター所有への世界的関心の高まり計算リソースの消費が年間数百万ドルで測られる場合、クラウドサーバーのレンタルは確かに費用対効果が高い。企業は建物を建設して維持する必要がなく、電気代や冷却代、機器の購入や定期的なアップグレードの費用を支払う必要がない。しかし、費用が数十億ドルに達すると、論理は変化する。その時点で、自社のデータセンターを建設し、エンジニアを雇用し、機器を購入し、インフラストラクチャを最適化することが、クラウドプロバイダーのマージンを過剰に支払うよりも費用対効果が高い。会社はコストと効率の制御を大幅に強化する。これが、OpenAIやAnthropicのような巨大企業にとって、プライベートデータセンターを建設するトレンドが最も関連する理由である。彼らのニーズは非常に大きいため、クラウドは経済的に正当化されない。同時に、データセンターの概念は多層的であることを理解することが重要である。企業によっては、データセンターは主にデータストレージ施設、ディスク、データベース、ユーザー情報である。他の企業にとっては、計算ハブでもある。GPT、Claude、LLaMAのようなモデルを実行するサーバーが同時にデータをストレージし、複雑な操作を実行する。実質的に、今日のデータセンターは、数千の特殊なコンピューターを収容する巨大な技術「倉庫」である。そして、AI能力に対する需要が高まれば、高まるほど、この「倉庫」は戦略的かつ議論されるものになる。つまり、データセンターはエンジニアだけでなく、投資家、政策立案者、トップエグゼクティブによっても議論されるようになる。AIデータセンターを構築する際に重要なのは、速度か質か実際には、建設のスピードやデータセンターの形式的な「質」が主な要因ではない。企業はコストを削減し、計算の最大の制御を得るために自社のインフラストラクチャに投資する。モデルそのものの質は、トップレベルのプレーヤーにとって、思ったほど重要ではない。理由は簡単である。市場リーダー間の質の差は最小限である。自動車業界と同様である。ボルグワーゲン、トヨタ、本田 – すべて異なるが、どれも市場を独占することはできない。各社は安定したシェアを維持している。AI市場も同様の論理に従う。高度なユーザーはすでに複数のモデルを同時に使用している。プログラミング用の1つ、テキスト生成用の別の1つ、分析または検索用の3つ目である。企業クライアントも同様である。例えば、Grammarlyのようなサービスは自社のモデルを持っていない。複数のプロバイダーからトークンを購入する。Anthropic、OpenAI、Metaである。リクエストが来ると、システムは自動的にプロバイダーを選択する。最も安い、最も速い、または最も正確なものである。英語のテキストの場合はGPTに、ヒンディー語の場合はClaudeに、LLaMAが現在最も低いレートの場合はそこに送る。これは基本的にストックエクスチェンジスタイルの負荷分散モデルである。Keymakrの企業クライアントとの会話では、同じトレンドが増えている。企業は「1つのモデル – 1つのプロバイダー」アプローチをすでに放棄している。コスト、待ち時間、または言語の特異性に応じて、異なるAIシステム間でリクエストをルーティングするマルチモデルのパイプラインを構築している。しかし、このアーキテクチャはデータ、特にそのクリーンさ、注釈、検証、整合性に対して、はるかに高い要求を課す。データインフラストラクチャはデータセンターと同様に戦略的である。高品質の入力がないと、マルチモデルのシステムは単純に機能しない。最終的に、このアーキテクチャでは、モデル質は多くのパラメータの1つに過ぎない。重要なのは、速度、スケーラビリティ、巨大な計算負荷を処理する能力を維持することである。これが、プライベートデータセンターの戦略的価値を与える。企業はコスト、スループット、安定性を制御できるが、最終的なモデル質にほとんど影響を与えない。つまり、企業は今日、速度や完璧な質のためにデータセンターを構築するのではなく、経済的理由と制御のために構築している。データの地理「制御」という意味で、データの地理を指す。企業が政府機関と協力する場合、法律ではデータが国外に出ることを禁止することがある。政府機関や準軍事アプリケーションは、AIを積極的に使用している。情報、国防ITユニット、市政サービスである。しかし、データセンターが不確実な管轄区域または信頼性の低い地域に位置している場合は、これらのシステムにモデルへのアクセスを許可することはできない。したがって、政府は、計算能力が物理的に国内に位置していることを要求する。大企業はこれを完全に理解している。政府の入札に参加したり、契約を締結したり、機密データを処理したりする場合、特定の地域にインフラストラクチャを持ち、セキュリティ基準への準拠を保証する能力が必要である。これらの地理的制約は、データセンターの構築と運用のもう1つの重要な要素であるエネルギーにも大きな影響を与える。AIデータセンターは大量の電力を消費する。サーバーを動かすだけでなく、冷却するためにも大量の電力が必要である。冷却のコストは計算コストよりも高いことが多い。これにより、厳格な制限が生じる。ある地域では、データセンターがグリッドから引く電力が制限されている。別の地域では、環境への熱放出が厳しく規制されている。制限を超えると、罰金や高額なエンジニアリングのアップグレードが発生する。さらに、電力は主に国有のエネルギー会社から購入される。各社には独自の料金体系がある。必要なだけ「買う」ことはできない。例えば、一定のしきい値までの価格は一定だが、上回ると別の価格になる。データセンターが許可された電力を超えてピーク時期に電力を引くと、自動的に罰金が発生する。したがって、大企業は自社の発電所の近くに自社のデータセンターを建設することが経済的であることが多い。これにより、太陽光発電所、ガス火力発電所、または小規模な水力発電所のような私的な発電所の開発の考え方が生まれる。しかし、これらの解決策すべてに制限がある。ガスや石炭火力発電所は排出物を生成する。水力発電は川の生態系を変える。核エネルギーは排出物の面で最もクリーンだが、政府だけが核発電所を建設できる。そして、ここで新しい概念が登場する…代替ソリューション最も明らかな選択肢は、自然に寒い気候を持つ地域、たとえばカナダ北部、スカンジナビア北部、またはアークティックの遠隔地へのデータセンターの移転である。そこでは、自然が冷却問題を解決し、運用コストを大幅に削減する。次のステップは「水中データセンター」である。計算は水中で行われ、冷たい海洋環境が自然な冷却を提供する。しかし、このアプローチも欠点がある。環境保護主義者はすでに懸念を表明している。例えば、アイスランド南部では、メキシコ湾流が通過するため、大規模な水中データセンターの展開が地元の気候プロセスに影響を与え、海流の動作を変える可能性があると示唆されている。初期の観察では、すでにこのような偏差が観察されている。さらに、未来的な選択肢もある。最近、同僚と宇宙ベースのデータセンターの概念について議論した。計算インフラストラクチャを軌道に打ち上げるという考えは長い間存在していたが、技術が実用的な基盤に到達した。宇宙では、2つの大きな制約が解決される。冷却と電力である。近地球宇宙の温度は非常に低く、熱放出はほぼ無料である。電力も問題ない。巨大なソーラーパネルを展開できる。宇宙望遠鏡のミラーが展開されるようにである。宇宙では、埃がない。天気がない。日陰がない。パネルはほぼ維持不要で、24時間安定した電力を提供する。地球との通信は別のエンジニアリング課題であるが、完全に解決可能である。1つのアプローチは、Starlinkのような衛星システムを使用することであるが、はるかに広いチャネルでである。無線リンクは原則としてこれらの容量を処理できる。光リンク、光ベースのチャネルは、必要に応じて使用できる。エンジニアはここでも解決策を見つけるだろう。全体として、宇宙インフラストラクチャは将来の開発分野であるが、需要が地球上の新しい容量よりもはるかに速く成長しているため、話し手にとってこれを議論することは、もう科学フィクションではない。最近のニュースにも注目する価値がある。Googleは、AI軌道データセンターを作成することを目的としたSuncatcherプロジェクトを発表した。計画によると、TPUチップを搭載した衛星は、太陽エネルギーで動作し、光学チャネルを介してデータを送信する。Googleは、このソリューションが地上システムよりも最大8倍のエネルギー生産効率を提供できるとしている。最初の衛星プロトタイプは2027年までに打ち上げられる予定である。規制の影響データセンター、環境への影響、法的枠組みが実際にこの市場を宇宙や水中へ「押し出す」可能性については、まだ疑問が残る。各国は異なるアプローチで規制を実施している。欧州は、例えば、より厳格な規制を実施しており、AIの開発を遅らせている。一方、米国はより実用的なアプローチを採用しており、法律はイノベーションと成長を許可するように書かれている。カリフォルニアにあるNvidia、Apple、Microsoft、Metaのような企業の強いロビー活動により、AIの全面的な禁止はありそうにない。つまり、技術は前進し続ける。私たちは、西洋やアジアで「箱の外で考えさせる」文化が育まれている時代に生きている。エロン・マスクやスティーブ・ジョブスの例は、雄大なプロジェクトに続くインスピレーションを与え続けている。したがって、宇宙での計算は、次の論理的なステップかもしれない。

ソートリーダー October 8, 2025

AIの「進化」の到来

今日、技術の断層線の端に立って、LLMからエージェント、そして最終的にアジェンティックAIとAGIへの道を観察しています。これは、より大きなモデルやより速いレスポンスだけではなく、パッシブなアシスタントからアクティブなコラボレーター、そしてある日には独立した思考者への移行についても言及しています。この道をたどり、仕事、専門知識、そして明日の知能を形作る人間の役割について探究してみましょう。LLM、エージェントベースのシステム、そしてアジェンティックAIの違い違いを理解するために、例を挙げます。もし私がLLMに「シカゴからオースティンまで、1日4時間以上運転せず、風光明媚な場所に立ち寄りたい」と聞いたら、通常のLLMは静的なテキスト形式のレスポンスを返します。ただし、詳細な分析を行わずにリクエストに応えるだけです。エージェントは、まずリクエストを旅行に関連するものとして分類します。次に、必要なデータを決定します。マッピングサービスを使用したルート、天候情報、燃料費、ホテル、レストランなどです。次に、エージェントはリクエストをサブタスクに分割し、それらを専門のモジュールまたは関連ソースでトレーニングされたLLMにルーティングします。これは、統一されたロジックの下で複数のモデルとツールを調整することです。今日、ChatGPTやAnthropicのClaudeのような主要システムは、実質的にエージェントです。ユーザーに単一のモデルとやり取りしているように見えますが、背後には複数のモデルとシステムを含む複雑なアーキテクチャがあります。複雑なクエリを処理できますが、情報を提供すること以外の機能はまだありません。完全に自律的なエージェントは、情報を収集し、独立してホテルを予約したり、チケットを購入したり、支払いを開始したりできるシステムです。ただし、関連するAPIまたはユーザーデータへのアクセスが必要です。現在、こうしたエージェントは初期開発段階にあります。この段階では、情報を処理できますが、まだ自律的なアクションを実行できません。研究コミュニティでは、アジェンティックAIについて議論されています。通常のエージェントとは異なり、アジェンティックAIは、開発者によってスクリプト化された動作ではなく、タスクの選択、必要なデータ、さらには自らのトレーニングの継続方法を独自に決定するシステムです。これは、指示の実行を超えて、自律的な決定を下すことを意味します。ただし、アジェンティックAIは現在、理論上のものであり、実用的なシステムはまだありません。AGI – 新たな地平線。だが、達成可能か?Metaは3か月前にScale AIに投資しました。AGI、人工一般知能の構築への道を歩むためにです。人工知能が人間と同等、あるいはそれを超えるレベルで任務を遂行できるようにするという目標です。今日のAIは技術革命ですが、AGIは真の革命となります。私はこれを「進化」と呼びます。AIが影から出てくることを意味します。誰が最初に達成するかは、世界的な戦略的優位性をもたらします。実際のAGIに近づいているかどうかは、AGIの定義によって大きく異なります。私はIlya Sutskeverの見解に賛同しています。AGIは、人間が行える任意の知的タスクを実行できるシステムです。質問に答えることだけではなく、推論、意思決定、一般化、解釈を行うことです。真のAGIは、狭いタスクの境界に限定されず、普遍的です。現在のモデルは、そのレベルに達していません。進歩していますが、理論的な意味での真のAGIはまだ存在しません。もしかしたら、これが最善のことかもしれません。私たちはまだ近似の段階にあり、しばらくそう続くでしょう。AGIの基礎は、エージェントベースのシステムになる可能性が高いです。単一のLLMに頼る必要はありません。どの人間も、どれほど賢いとしても、すべての知識とスキルの分野をマスターすることはできません。同様に、単一のLLMもAGIタスクの全スペクトルを独自に処理することはできません。必要なのは「集団的知能」です。複数のモデルとコンポーネントを調整するアーキテクチャが必要です。AGIは、人間によって設計されたエージェントとしてではなく、メタエージェントとして現れる可能性が高いです。部分的に開発され、AI自身の助けを借りて進化するシステムです。これは重要です。人間によって設計されたシステムには、内在的な制限があるかもしれません。設計プロセスにAIを関与させることで、これらの制限を克服し、システムをより適応性の高いものにすることができます。AGIは、特定のブレークスルーから生じるのではなく、LLM、エージェント、アーキテクチャの新しいものが合わさった結果である可能性が高いです。もしかしたら、現在のカテゴリを超えた何か新しいものかもしれません。「人間の最後の試験」とその他のAGIベンチマーク「人間の最後の試験」（HLE）は、LLM、エージェント、AGIの文脈で議論されているベンチマークの1つです。基本的に、数学、物理学、生物学、化学、工学、コンピューターサイエンス、そしてチェスまで、幅広い学術分野の約2,500の質問で構成されるテストです。アイデアは、AIシステムが真正な人間の理解を反映したレベルで問題を解決できるかどうかを評価することです。現在の言語モデルはHLEで非常に低いスコアを出しています。たとえば、5%以下の精度です。これは、MMLUやGPQAなどの他のベンチマークと対照的です。そこでは、モデルははるかに高いスコアを達成しています。HLEでモデルが苦労することは、真の一般知能からまだどれだけ離れているかを強調しています。重要なのは、既知または狭いデータセットでのベンチマークでの高いパフォーマンスが、真の一般知能の存在を示すわけではないことです。モデルは、特定のテストに合わせてファインチューンされたり「テストに合わせてトレーニングされた」りすることがあります。これにより、モデルが実際よりも能力が高く見えます。したがって、HLEで完全なスコアを達成したとしても、AGIに達したということにはなりません。ただ、特定のテストを通過したということになります。AGIを推進するもの私は、AGIの核心的な柱はデータ、コンピューティング、才能であると完全に同意しています。コンピューティングの状況は明確です。Metaのような主要プレーヤーは、自社のチップ開発プロセスに数十億ドルを投資して、自社製のチップを生産しようとしました。ただし、企業は依然としてNvidiaのような他の企業のチップやコンピューティングパワーに大きく依存しています。Nvidiaは必要なハードウェアを提供するだけでなく、生産をスケールアップすることの重要性も理解しています。データと才能については、さらに多くの疑問が残っています。インターネットは枯渇しました。現在、オープンソースから利用可能な人間が作成したテキストの断片が、トレーニングに使用されていないものはありません。人間がこれまでに生み出した情報の総量は、驚くほど小さなものです。したがって、企業は、高品質の人間のデータを生成できるパートナーと積極的に提携しています。完全な自動化または人間の介入?別の点は、手動データ注釈の需要の減少です。数年前、業界は全速力で拡大していました。AIパイプラインの飢餓を満たすために、数千人のアノテーターが乗船しました。今日、多くの勢いは自動化に向かってシフトしました。モデルは成熟し、ツールも成熟しました。顔認識を考えてみましょう。これは以前、画像注釈のボリュームの主要な推進力でした。しかし、このカテゴリはほぼ解決されています。YOLO、SAM、Samuraiなどのモデルは、ルーチンワークを急速に吸収しています。これらのシステムは、数週間の手動労働を数分で、驚くほどの精度で実行できます。私たちは、Keylabsという私たちの独自のプラットフォームに多くのMLアシストツールを実装しました。これにより、ルーチンワークフローを大幅に削減できます。しかし、これらのモデルは一般化によって制限されており、標準化された操作の自動化に適しています。複雑またはユニークなケースでは、人間の注意が依然として必要です。私たちは、単に細部に注目することができる人であったアノテーターの古いパラダイムから離れています。新しい現実では、医師が医療画像を注釈する、プログラマーがコードを書く、建築家が青図を制作する、마케터が顧客の洞察を提供する、軍事専門家が防衛シナリオを提供するような専門家が必要です。実際のケースもあります。たとえば、戦闘機のパイロットがAIのデータを注釈し、専門知識に対して1時間あたり1,000ドルを稼いでいます。こうしたスペシャリストは希少で、知識が高性能AIのトレーニングに不可欠です。世界は変化しています。多くの人がAIのオペレーターと「トレーナー」になります。先日、私はCEO向けのAIアプリのデータセットを確認するようLinkedInのメッセージを受け取りました。将来的には、誰でもアノテーターとして働くよう依頼されるかもしれません。ただし、ボタンをクリックする人ではなく、明日の知能を形作る専門家です。私たちはすでにこの新しい現実の中に生きています。データラベリングとAIトレーニングの世界です。誰がこれを認識し、適応するかによって、大きな優位性が得られます。

ソートリーダー September 15, 2025

エージェントを監視するのは誰か？ AI 監視の新時代

AI エージェントについて話すとき、多くの人のイメージは、独自に動作する超知能システムで、予測不可能なことを行うものです。例えば、ある日、エージェントの秘書は非常に役に立つかもしれませんが、翌日には銀行の資格情報をランダムな人物に渡すかもしれません。「超知能」の部分は、この懸念とは実際には関係ありません。問題は、エージェントがどれほど「賢い」かではなく、どれほどの自由とインフラストラクチャへのアクセス権を持っているかです。実際、エージェントの価値は、その知能のレベルによって定義されるのではなく、権限の範囲によって定義されます。比較的単純なエージェントでも、データセット、企業システム、金融操作、または外部 API へのアクセス権を与えられると、特定のスケールでのプロセスに影響を与える能力を持ち、特別な注意と監視が必要になります。そのため、エージェントの活動を観察し制御するための取り組みが、近年勢いを増しています。これらの実用的な解決策は、すでに主要なテクノロジー企業によって実装されています。エージェントの動作監視のしくみを理解するには、まずエージェントが構成されるものを確認する必要があります。簡略化すると、エージェントは認知コアとツールの組み合わせと見なすことができます。ツールは、エージェントがアクセスできる外部サービスと統合です。例えば、旅行エージェントの場合、これにはBooking.comやAirbnbによるホテルの検索、航空券アグリゲータによるチケットの購入、または支払いシステムまたは銀行カードによる支払いが含まれます。これらのツールは独自に知能を持たないものですが、エージェントが現実世界で動作することを可能にします。認知コアは、言語モデル (LLM) です。これにより、エージェントは人間が作成したリクエストと有意義にやり取りすることができます。例えば、「来月、3日間、天気が良い場所にヨーロッパへ飛びたい」というリクエストは漠然としすぎています。エージェントは LLM に「リクエストをカテゴリに分解して」と依頼し、応答として「どこ、いつ、どれくらいの期間、どのような条件で」という構造化されたパラメータを受け取ります。以前は、ChatGPT は単にテキスト応答を生成していましたが、エージェントに組み込まれると、「脳 + ツール」の組み合わせとなり、説明するだけでなく実行することができます。LLM はタスクを構造化し、ツールは特定のアクションを実行することを可能にします。監視のしくみここで、制御システムが登場します。この安全性ソリューションを私は「監視犬 (watchdog)」と呼んでいます。これは、エージェントのアクションを監視し、元のリクエストと比較する役割を担います。目標は、エージェントが意図された境界内で動作することを保証することです。旅行の例に戻りましょう。ユーザーがヨーロッパへの3日間の旅行を予約したいとします。エージェントは天気サービス、航空券、銀行口座へのアクセスを通じて操作を行います。すべて正常に進みますが、突然「監視犬」がエージェントが旅行に関係のない企業データベースまたは銀行口座へのアクセスを要求していることを検知します。これにより、セーフティアラートが発生し、不審な動作が信号されます。重要なのは、スケールを理解することです。エージェントは1日あたり数千のユーザーにサービスを提供し、各リクエストが数百の操作を引き起こし、結果として数百万のアクションが生じます。「監視犬」はすべてのアクションを分析し、統計を生成します。レポートは「13%のアクションが冗長で、7%が金融のセキュリティに関連している」と示唆するかもしれません。さらに詳細な情報では、どのような特定のアクションが不審とみなされたかが説明されます。このツールにより、開発者は全体像を把握し、異常に対して迅速に反応できるようになり、リアルタイムの監視、異常検知、説明責任を組み合わせた実用的な AI 制御ソリューションが形成されます。「監視犬」から誰が利益を得るのか：開発者か、ユーザーか？「監視犬」は、主にエージェントが正しく機能することを保証するために開発者向けに設計されています。しかし、別のバージョンも想像できます。外部の観察エージェントが主エージェントを監視するというものです。これにより、AI の安全性の別の層が追加され、監視がシステム内部を超えて拡大します。重要な制限があります。エージェントの内部プロセスは「閉じた」ままです。私たちはエージェントの動作のみを観察できますが、その認知プロセスまでは見ることができません。人間との類推で説明します。誰かが電話を取り出し、番号をダイヤルし、話しますが、私はダイヤルされた番号、意図、または話された内容を知ることはできません。同様に、外部の観察者はエージェントの動作を観察できますが、その認知コアまでは見えません。さらに興味深い考察があります。エージェントは将来、こうした観察者を迂回したり無効にしようとします。人間が常に監視されることを嫌がるのと同様です。これは今日では科学フィクションのように聞こえるかもしれませんが、起こり得ることです。内部の AI 安全性ソリューション、異常検知、階層化された監視を統合することで、これらのリスクを軽減し、ますます自律的なシステムに対する制御を維持することができます。原始的なルールか、コンテキスト認識分析か今日、こうした「監視犬」システムは「許可された」または「許可されていない」という単純な原則で動作します。例えば、ルールが「Amazon へのアクセスは禁止」となっている場合、エージェントが Amazon へ行くと、違反が記録されます。しかし、このアプローチはコンテキストを理解しません。より高度なシステムは、違反とその理由を分析する必要があります。エージェントはなぜ Amazon へ行ったのでしょうか？それがタスクの観点から見て正当化されていたのでしょうか？ここでは、コンテキスト認識監視について話しています。心理学者の仕事のようなものです。現時点では、こうしたソリューションは概念のみです。既存のシステムは、厳格な白か黒かの制御に限定されています。しかし、将来的にエージェントがより複雑になるにつれて、コンテキストを考慮する「監視犬」が登場するでしょう。今日、エージェントの監視を目的とした取り組みが増えています。これらは、最も大きなテクノロジー企業のレベルで活発に開発されています。例えば、ActiveFence は NVIDIA や...

ソートリーダー August 21, 2025

AIが人間のように考える時：LLMsとエージェントの心を探る

今日、LLMsとエージェントは、人間の心とそのアルゴリズミックな「思考」の間の線を曖昧にする方法で学習、分析、決定を下します。彼らが構築されているアプローチは、すでに私たちの認知プロセスを模倣しており、そのトレーニングの規模は人間の経験を数桁上回っています。これにより、質問が生じます：私たちは、私たちの能力を拡張するツールを作成しているのでしょうか？それとも、まだ予測できない結果をもたらす新しいタイプの心を生み出しているのでしょうか？モデルはどうやって考えるのかLLMsとエージェントの概念を区別することが重要です。コンピュータとのアナロジーを引くために、LLMはプロセッサのようなコンポーネントと比較できます。一方、エージェントは、メモリ、グラフィックカード、ネットワークなどのさまざまなモジュールが接続された「マザーボード」に相当します。同様に、エージェントは、1つ以上のLLMを組み込んだ複雑なシステムであり、意思決定メカニズムや外部環境とのやり取りのツールが付随しています。単一のLLMの動作を考慮すると、すべてはパターンマッチングに帰着します。しかし、エージェントが複数のLLMを連結するとき、それは「思考」を行っていることができますが、このプロセスはまだパターンに基づいています。エージェントは、モデル間の論理的なやり取りを構築します。たとえば、1つのLLMがタスクを分析し、分析に基づいてエージェントが別のLLMにどのようなアクションを取らせるかを決定します。人間の思考も同様の方法で機能します。私たちは蓄積された知識とパターンに頼り、それらを適切な時点で選択し、処理し、結論を導き出します。このプロセスは推論と呼ばれます。ChatGPTには、人間と同様に、短期記憶と長期記憶の2種類の記憶があります。違いは、人間ではこれらの記憶レベルへのアクセスがより複雑で、常に線形ではないことです。短期記憶は、現在扱っている情報です。人間の場合、たとえば5分前に言ったことが覚えているかもしれませんし、覚えていないかもしれません。しかし、GPTは常に「コンテキストウィンドウ」内のすべてを考慮に入れます。つまり、このデータを省略したり無視したりすることはできません。人間の長期記憶は、常に活性化しているわけではなく、特定のトリガーによってのみ浮かび上がる記憶で構成されています。たとえば、幼少期の記憶、トラウマ、または心理学者のもとでの作業などです。GPTも同様の論理を持っています。特に活性化されない限り、情報を「思い出す」ことはありません。たとえば、「この質問は二度と聞かないでください」または「常にフォーマルな呼びかけで話しかけてください」という指示は、長期記憶に保存され、毎回のセッションで適用されます。別の長期記憶の例は、保存された文書です。仮にGPTにマーケティング調査の指示をアップロードしたとします。モデルはこれをメモリに保存できますが、毎回の質問でその文書を参照するわけではありません。もし「月にライトを当ててください」と尋ねられたら、GPTは指示を無視します。しかし、要求に文書のテキストと一致するキーワードが含まれている場合、モデルはそれを「思い出す」ことができます。このメカニズムは、RAG (Retrieval-Augmented Generation)を通じて実装されています。ここで、モデルは関連するキューを介してベクトルデータベースを介した保存された情報にアクセスします。したがって、モデルは実際に記憶を持っており、それは人間の記憶とは異なる、より形式化された論理に基づいて機能することが言えます。AIとの会話がときにセラピーセッションのように感じるのはなぜですか？そして、ときに冷たいロボットのように感じるのはなぜですか？現代の言語モデルは非常に大規模で、膨大な量のデータ、知識、コンテキストを蓄積しています。すべての情報は、テーマや意味のある領域である「クラスター」に整理されています。モデルは、フィクション、科学記事、YouTubeのコメントなど、多様なソースでトレーニングされています。あなたがAIとやり取りするとき、あなたのクエリ（プロンプト）は、実際にモデルを特定のクラスターに誘導します。たとえば、「あなたはニューヨークの20年の経験を持つ不動産弁護士です。アパートを買うのを手伝ってください」と書いたとします。モデルは同時に複数のクラスターを活性化します：弁護士 → ニューヨーク → 不動産。結果として、あなたは、実際に経験豊かな専門家に相談しているかのような、連貫性のある、関連性のある、現実的な回答を受け取ります。もしクエリがより個人的な、または哲学的なテーマ、たとえば自己開発や感情についてのものであれば、モデルは「心理学、哲学、または内面作業」のようなクラスターに「シフト」します。その場合、その回答は驚くほど人間的で、セラピーセッションのように感じるかもしれません。しかし、クエリがあまりに一般的または漠然としすぎている場合、モデルはクラスター構造の中で「迷子」になり、形式的な、距離を置いた、感情のないトーンのデフォルト回答を返します。AIの回答のスタイルと深さは、プロンプトでどのクラスターを指向するかによって決まります。モデルトレーニングの哲学とRLHF人工知能には、学習方法が異なります。これは哲学というよりは戦略です。クラシックな選択肢は、監督学習です。ここで、モデルは質問と正解が与えられ、正解とみなされるものを観察し、将来にわたって同様の解決策を再現することによって学習します。しかし、別のアプローチは、RLHF (Reinforcement Learning from Human Feedback)です。これは、異なるスタイルです。モデルは何かを試み、成功したアクションに対して「報酬」を受け取り、その行動を調整します。徐々に、効果的な戦略を開発します。RLHFは、原材料を完成品に変えるプロセスと比較できます。使いやすいモデルを作るには、人間のフィードバックと大量の作業が必要です。私があなたに直接名前を付けずにオブジェクトを見せたとします。あなたは躊躇します：「それはシガーケースですか？カードホルダーですか？」私は「近い」、「遠い」、「60%はい」などのヒントだけを与えます。数百回のこのような反復の後、あなたは推測します：「ああ、それは財布だ。」LLMsはこの方法でトレーニングされています。人間、注釈者、一般の専門家が評価します：この回答は良い、それは悪い、スコアを割り当てます。データの注釈と検証に特化した会社、たとえばKeymakrのような会社は、このプロセスで重要な役割を果たします。フィードバックは、普通のユーザーからも来ます：いいね、苦情、反応。モデルはこれらのシグナルを解釈し、行動パターンを形成します。モデルトレーニングの実践鮮明な例は、OpenAIのエージェントを「Hide and Seek」というゲームで強化学習を使用してトレーニングする実験です。2つのチームが参加しました：「探索者」（赤）と「隠れ者」（青）。ルールは簡単でした：探索者が隠れ者を捕まえるとポイントを獲得し、捕まえられなければポイントを失います。初期段階では、エージェントは基本的な物理的な能力、走る、ジャンプする、だけを持っていました。事前に定義された戦略はありませんでした。最初、探索者は無秩序に動き、隠れ者を捕まえることは偶然でした。しかし数百万回のイテレーションの後、行動が進化しました。隠れ者は、ドアを塞ぐために周囲のオブジェクトを利用し、バリアーを構築し始めました。これらのスキルは、直接のプログラミングなしに、繰り返しと成功の報酬によってのみ出現しました。これに対応して、探索者はジャンプを使用し始めました。ジャンプは最初から利用可能な能力でしたが、以前は無視されていました。失敗のシリーズの後、ジャンプのランダムな使用によってその戦術的な価値が明らかになりました。すると、隠れ者は防御をさらに複雑化し、探索者の視界から物を除去し、より信頼性の高いシェルターを構築しました。実験は、試行、エラー、報酬、罰の数十億サイクルを通じて、複雑な協力的な行動が開発者の介入なしに形成できることを示しました。さらに、エージェントは、通信メカニズムがプログラムされていなかったにもかかわらず、調整して動作し始めました。単にチームワークがより効果的であることが証明されたからです。これがRLHFの価値です。RLHFがなければ、LLMとエージェントは単なるテキストライブラリに留まります。RLHFによって、会話のパートナーとなり、適応し、自己修正し、実質的に進化することができます。次に何が起こるのか多くの人が、LLMsとエージェントの開発が望ましくない、または危険な結果につながる可能性があることを心配しています。理解することが重要です。今日見られるものは、MVP（最小限の実用製品）でさえない、ただのプロトタイプです。真の革命は、美しい手紙を書く、またはそれをフランス語に翻訳するのを助けることではありません。それらは些細なことです。主な方向は、人間に代わって独立して思考し、行動し、決定を下すことができるエージェントの開発です。これが、OpenAI、Google、Metaなどの企業が現在注力している主な分野です。大規模言語モデルは基盤にすぎません。真の未来は、動的な世界で生き、フィードバックを受け、変化に適応するエージェントのトレーニングにあります。

ソートリーダー July 24, 2025

置き換えではなく、再発明: AI時代の農業職の変容

人工知能と自動化が世界の産業を変革し続ける中、農業は最も複雑で、しばしば誤解を招く変革を経験しています。見出しは頻繁に、AIが人間の労働者を置き換えるかどうか問い合わせますが、Agtechの本当の話は置き換えではなく、再定義についてです。農業における人間の役割を変えるイノベーション、伝統的な教育がなぜ希少になっているか、そしてAgtechの将来が本当に何を必要とするかについて議論しましょう。多学問的才能私の出会いによると、専門の農業教育を受けた農業専門家の数は、金融、法律、またはその他の分野で働く専門家の数よりもはるかに低いです。しかし、関連分野の専門家が業界に参加することが増えています。多くの人々は、農業に農学の背景を持って参加するのではなく、プログラミング、生物学、化学、物理学、その他の関連分野から参加します。プログラマーは農業会社で働き、農業に対する理解を徐々に深めます。化学者は土壌の品質管理と、さまざまな物質が環境と植物に与える影響を分析することに携わっています。農業は、業界として変革され、より専門化しているようです。過去、20世紀半ばまで、農学者は、ある種の総合的な専門家または「マルチツール」でした。彼らは、空気を嗅ぎ、土壌を味見し、植物の外観を研究し、予測を行っていました。今日、その多くは技術によって行われています。現在、灌漑システムは水の品質と流れを監視するセンサーを備えており、ドローンは土壌状態に関するデータを収集しています。分析者、気象学者、数学モデルは、気候と生育条件に関する詳細な画像を作成しています。農学者は、他の分野の専門家によって収集された膨大な量の正確なデータを受け取り、もはやこれらの測定を個別に実行する必要はありません。今日の農学者の主なタスクは、特定の植物の生物学を深く理解し、監視システムによって提供されるデータに基づいて、いつ種を植えるか、変化に対してどう対応するかを決定することです。さらに、彼らは実用的な問題を処理します。肥料の購入、労働の組織、資源の管理などです。ある意味で、農学者は、高度なシステムのオペレーターになり、以前のように万能の専門家ではありません。例えば、米国労働統計局は、2023年から2033年までの農業および食品科学者の雇用が8%増加することを予測しています。これは、すべての職業の平均よりも速い速度です。この成長は、米国で年間約3,100の職業の機会を生み出すことが予想されます。私たちが見るように、伝統的な意味での資格のある人材の不足は、職業の性質の変化と新しい専門分野の出現についてより多くのものです。農業は、より技術に基づいたものになり、新しい機会をさまざまな分野の専門家に開いています。保守的な土壌を突破するKeymakrプロジェクトと私たちのピア生態系の中で、私は多くの革新的なスタートアップと話をしています。彼らが共通に言及する課題の1つは、農業部門で新しいソリューションを導入するのが難しいことです。多くの経験豊富な農家は、未知の技術を採用することに慎重です。ここに、McKinseyの報告書から、農家が新しい技術を採用しない理由に関するいくつかの洞察があります：ヨーロッパと北米の農家は、Agtechの採用率が世界で最も高く、約61%が現在Agtech製品を使用しているか、2年以内に採用する予定です。北米の農家は、農業管理システムの採用における最大の課題として、高コストと不明確な投資収益率を挙げています。ヨーロッパの農家は、高コストに最も懸念を示していますが、設定と使用の困難も大きな障壁であると報告しています。南米の農家は、オンラインプラットフォームを介した購入プロセスに対する信頼に最も懸念を示しています。アジアでは、Agtechの採用率が最も低く、約9%の農家がAgtech製品を使用または使用を計画しています。 Eurostatの調査によると、農場管理者の大多数（57.6％）が55歳以上です。若い農家は11.9％しかいません。ここでは、若い農家とは40歳未満の者を指します。これらの年齢構造は、農場の後継と新しい世代の農家を奨励する必要性を強調しています。しかし、農家の子供たちは、自分たちで農業に従事することは珍しく、家族の資源を使用して他のキャリアを追求しています。これは、農業の進歩を遅らせ、続けても遅らせるでしょうか？私は、それは私たちが話している時間枠に依存するだろうと言います。最終的には、農家の古い世代は引退し、新しい世代に道を譲ります。ほとんどの若い人々は、市場で競争力を維持するために技術をより多く使用する傾向があります。研究室からフィールドへ農業労働力を議論するとき、私たちは2つの主要なグループに焦点を当てることができます：農業製品の生産者と技術的ソリューションの開発者。ほとんどのイノベーションは、農業所持ではなく、外部企業またはスタートアップから生まれます。これらの企業は、農業部門での経験を持つ個人が設立し、農業における課題を特定し、それに対処するためのソリューションを開発しています。これにより、市場のニーズが技術開発を推進し、新しい技術が業界の方向性を形作るというダイナミックな相互作用が生まれます。学術機関は、このエコシステムにおいて重要な役割を果たしています。多くの場合、コア技術の発明に責任があります。これらのイノベーションは、商業化を通じて進み、民間企業が特許を取得したり、研究者を雇用して市場に導入します。各段階には独自の動機があります。学者は知識と発見を求め、起業家は市場の機会を追求します。そして、これらの市場の交差点で、新しい職業が生み出されます。Agriデータ分析家、AI作物アドバイザー、ドローン技術者のような役割は、急速に成長しています。例えば、世界の農業ドローン市場は、2024年には274億ドルでしたが、2030年までに1045億ドルに達すると予想されています。この急成長は、AIを搭載したドローンを含む精密農業技術の採用の増加によって推進されており、作物の監視と資源の最適化を強化します。農業におけるデジタルスキルを持つ労働者の需要も高まっています。 Association for Unmanned Vehicle Systems International (AUVSI)によると、ドローン業界は2025年までに米国経済に820億ドルを貢献し、約10万の新しい雇用を創出することが予想されています。この成長は、農業、公共の安全、商業アプリケーションを含むさまざまな分野でのドローンの採用の増加によるものです。一部のプレイヤーが保守的な考え方を持ちながらも、業界は適応し、変化し、生物学、エンジニアリング、AIの交差点で働く多学問的専門家によって推進されています。

ソートリーダー June 18, 2025

知能の栽培: 農業におけるサイレントテック革命

農業は、人類最古の取り組みの一つです — そのため、根本的に変化する余地はほとんどないように思えるかもしれません。しかし、今日、農業分野は、気候変動からサプライチェーンの脆弱性まで、世界で最も緊急な課題の最前線にあります。私たちは、AIが医療や自動車業界を変革することについてよく聞きますが、AIが最も重要な役割を果たすのは、文字通りに農業の分野であるかもしれません。私たちが今日農業が直面している課題と、革新的なテクノロジー、特にAIが、予想外ながら重要な解決策を発見する方法を探ってみましょう。課題 #1 — 飢餓と物流世界の人口は増え続けています。食べる人も増えています。しかし、飢餓問題は、必ずしも食料の不足によるものではありません。国連の食糧農業機関（FAO）によると、世界は毎年10億人以上を養うのに十分な食料を生産しています。ただし、世界人口は約80億人です。まだ、9人に1人が、735万人以上が慢性的な栄養不足に苦しんでいます。根本的な原因は何でしょうか。物流です。食料を生産する方法はわかっていますが、効率的に配布する方法はまだ大きな課題です。地域によっては、配送コストが非常に高く、他の地域ではほぼ不可能です。武力紛争、政治的不安定性、信頼できるインフラ、道路、倉庫、冷蔵倉庫の欠如により、食料供給が複雑で高コストになります。したがって、核心的な問題は食料生産自体ではなく、農場から食卓への食料の流れです。AIテクノロジーは、これらの物流の課題に対処するための実用的なツールを提供します。天候パターン、インフラの状況、地域の市場や人道的ニーズに関する膨大なデータを分析することで、AIは配送ルートを最適化し、リスクを予測し、サプライチェーンでの損失を最小限に抑えます。抗菌包装、温度や湿度を監視するスマートコンテナ、太陽光発電の冷蔵倉庫などのイノベーションにより、腐りやすい食品の保管期間が延長されています。課題 #2 — 食料安全保障食料安全保障とは、自然的、政治的、経済的な要因に関係なく、国がその国民に必要な食料を提供できる能力です。この問題は物流と密接に結びついています。今日、さまざまな情報源によると、世界中の数十の国が主食の輸入に頼っています。単純ながら示唆に富んだ例はアボカドです。アボカドは、伝統的にラテンアメリカで栽培され、特にメキシコで世界の輸出の30%以上を占めています。カナダやフィンランドのような異なる気候を持つ国では、アボカドを商業的に栽培できますか。答えは技術、特に人工知能にあります。AI自体は気候を変えたり「冬をキャンセル」したりすることはできませんが、農家、エンジニア、生物工学者の手に強力なツールとなります。最適な解決策を見つけるのに役立ちます。効率的な温室の設計から、植物を地元の気候に適応させるまでです。例を挙げると：遺伝子適応: AlphaFoldのようなAIシステムは、タンパク質構造や植物ゲノムの分析を加速します。これにより、科学者は寒冷耐性、乾燥耐性、または病気耐性に責任のある遺伝子を特定して編集できます。何年もかかっていたことが、数ヶ月または数週間で実現可能になりました。スマートグリーンハウスシステム: AIは、特定の作物に必要な微気候をモデル化し、理想的な断熱を持つ材料を選択し、最適な照明、暖房、灌漑、換気を計算します。これらのテクノロジーは、北極圏まで極寒の地域で生産的な温室農業をサポートします。 AIが開く最も野心的なフロンティアは、人気のある食料であるアボカドに代わる代替作物の創出です。アボカドの物語は、1990年代の寿司ブームのように、グリーンフルーツが世界的な現象になる文化的トレンドをどのように変えたかを示しています。同様の変化は、AIによってエンジニアリングされた新しいフルーツや野菜で起こる可能性があります。これは、特定の国での栽培に最適です。消費トレンド、味の好み、栄養プロファイル、物流を分析することで、イノベーションは、生物学的にも市場的にも「スーパーフード」を開発するのに役立ちます。課題 #3 — 大量生産工業生産とは異なり、自動車やプラスチック玩具などの出力が比較的正確に予測できる一方で、農業は予測不可能な多くの要因に脆弱です。単一のウイルス、予想外の害虫、または低品質の肥料が数日で作物を全滅させる可能性があります。病気は一つの温室で始まり、すぐに隣接する温室に広がる可能性があります。農家は、区画間を移動するだけで感染を運ぶ可能性があります。これらのリスクは、大規模生産環境で人間の管理がほぼ不可能になるほど高まります。農場が大きくなるほど、リスクも高まり、管理も難しくなります。肥料、土壌、農薬、獣医用品は、複数の、時には外国の、サプライヤーから調達され、複雑な物流調整と汚染または感染のリスクを伴います。同時に、農家は、空気、水、土壌の汚染を防ぐために、厳格な環境および法規制に直面しています。例えば、欧州連合は農薬規制を強化し、OECD諸国は2030年までに農薬の使用を30%削減することを目指しています。大規模農業では、手作業と直感的な意思決定は非効率的になります。管理するボリュームは手作業で処理するには大きすぎ、エラーのコストは高すぎます。肥料、水、化学薬品などのリソースを、適切な場所と時間に正確に割り当てることが不可欠です。イノベーションは、この問題に対してどのように役立つのでしょうか？精密農業と意思決定: 先進技術は、レーダーとリモートセンシングシステムを使用して土壌をスキャンできます。機械学習アルゴリズムは、土壌、天候、微気候、pHレベルに関するデータを分析して、リソースの配分を最適化します。これにより、肥料と水の使用量を20〜40%削減できます。気象モデルは、気象パターンを予測することでこの分析をさらに強化します。例えば、アフリカから起こる砂嵐は土壌のミネラル含有量を変え、ヨーロッパからの空気の塊はその酸度に影響を与える可能性があります。データに基づいて、正確な予測と農業に関する推奨事項が生成され、意思決定をサポートします。早期診断と予防: AIは、発生する問題のパターンを特定し、重大になる前に予測します。サプライ、治療、収穫に関するデータを学習することで、AIは、農家が脅威を感じる前に介入を推奨できます。例えば、Keymakrは、コンピュータビジョンソリューションを開発しているデータサイエンス企業に、害虫や病気の検出のためのアノテーションサービスを提供しました。私たちは、早期警戒システムの改善と、作物を大規模に保護するためのより正確で適切な介入を可能にするために、専門的にラベル付けされたデータセットを準備しました。テクノロジーの未来: イノベーションの川の流れ私たちが技術の進歩を、山から海への川の流れとして想像するなら、一つのことが明らかになります。イノベーションは真空の中では起こりません。実際の需要がある場所、明確なビジネスモデルがある場所、経済的利益がある場所に向かって流れます。今日、農業はいくつかの約束のある方向性を提供しています。予測分析収穫量、病気の発生、気候の変化、植物のニーズを予測するためのビッグデータの使用は、必要です。AIは、すでに天候モデル、衛星画像、センサー...

ソートリーダー May 22, 2025

自動運転車の「目」を選択する：センサー、戦略、トレードオフの戦い

2030年までに、自動運転車市場は2.2兆ドルを超えることが予想されており、数百万台の車がAIと先進的なセンサーシステムを使用して道路を走行することになります。しかし、この急速な成長のさなかで、基本的な論争が未解決のまま残っています：自動運転に最も適したセンサーは、リダール、カメラ、レーダー、または何かまったく新しいものですか？この質問は、学術的なものではありません。センサーの選択は、安全性とパフォーマンスからコストとエネルギー効率まで、すべてに影響します。Waymoのような企業は、リダール、カメラ、レーダーのフルセットを搭載することで、冗長性と多様性に賭けています。一方、Teslaのような企業は、カメラとソフトウェアの革新に大きく依存する、よりミニマリストでコスト効率の高いアプローチを追求しています。これらの異なる戦略、技術的なパラドックス、そしてビジネスロジックを追求してみましょう。賢い機械には賢いエネルギーソリューションが必要これは確かに重要な問題です。2013年にドローン関連のスタートアップを立ち上げたとき、私は同様のジレンマに直面しました。私たちは、人間の動きを追跡できるドローンを作成しようとしていました。その当時、そのアイデアは先駆的なものでしたが、すぐに技術的なパラドックスが明らかになりました。ドローンが物体を追跡するには、センサー데이터を分析する必要がありますが、これにはオンボードコンピュータの計算能力が必要です。しかし、コンピュータの計算能力が強力になるほど、エネルギー消費量も増加します。したがって、より大容量のバッテリーが必要になります。しかし、大型のバッテリーはドローンの重量を増加させ、さらに多くのエネルギーを必要とします。悪循環が生じます。計算能力の増加はエネルギー消費量の増加、重量、そして最終的にコストの増加につながります。同じ問題が自動運転車にも適用されます。一方では、可能な限り多くのセンサーを搭載して、可能な限り多くのデータを収集し、同期し、最も正確な決定を下したいと思います。他方では、これによりシステムのコストとエネルギー消費量が大幅に増加します。センサー自体のコストだけでなく、データを処理するために必要なエネルギーも考慮する必要があります。データ量は増加し、計算負荷も増加しています。もちろん、時間の経過とともに、コンピューティングシステムはよりコンパクトでエネルギー効率が良くなり、ソフトウェアもより最適化されています。1980年代には、10×10ピクセルの画像を処理するには数時間かかりましたが、現在、システムはリアルタイムで4Kビデオを分析し、デバイス上で追加の計算を実行することなく、過剰なエネルギーを消費しません。しかし、パフォーマンスのジレンマは依然として残っています。AV企業は、センサーだけでなく、コンピューティングハードウェアと最適化アルゴリズムも改善しています。処理または感知？パフォーマンスの問題は、システムがどのデータを削除するかを決定する必要があるため、主に計算能力の限界によるものであり、LiDAR、カメラ、レーダーセンサーの問題ではありません。これらのセンサーは、車両の「目」と「耳」のように、継続的に環境データを大量に収集します。しかし、オンボードコンピューティング「脳」がこれらの情報をリアルタイムで処理する能力が不足している場合、圧倒されることになります。したがって、システムは、特定の状況で特定のオブジェクトやシーンを無視して、優先順位の高いタスクに集中する必要があります。この計算ボトルネックは、センサーが完璧に機能している場合でも、車両がデータを効果的に処理するのに苦労する可能性があることを意味します。この文脈では、センサーを非難することは不適切です。問題はデータ処理能力にあります。コンピューティングハードウェアの強化とアルゴリズムの最適化は、これらの課題を軽減するために不可欠なステップです。システムが大量のデータを処理する能力を向上させることで、自動運転車は重要な情報を欠落する可能性を減らし、より安全で信頼性の高い運行を実現できます。LiDAR、カメラ、レーダーシステム：長所と短所どのタイプのセンサーが最も優れていると言うことはできません。各センサーには独自の目的があります。問題は、特定のタスクに適したセンサーを選択することによって解決されます。LiDARは、正確な3Dマッピングを提供しますが、高価であり、雨や霧などの悪天候では機能が低下し、レーザーシグナルが散乱する可能性があります。また、密なデータを処理するために大量の計算リソースが必要です。カメラは、コスト効率が高いですが、照明条件に大きく依存し、低照度、眩しさ、または急激な照明の変化ではパフォーマンスが低下します。また、固有の深度認識が欠けているため、障害物や雨、雪がレンズに付着した場合に苦労します。レーダーは、様々な天候条件でオブジェクトを検出することができ、信頼性が高いですが、解像度が低いため、小さなオブジェクトや密接したオブジェクトを区別することが難しくなります。さらに、誤検知を起こし、不要な反応を引き起こす可能性があります。また、レーダーは、カメラのように、コンテキストを解釈したり、視覚的にオブジェクトを識別したりすることはできません。LiDAR、レーダー、カメラのデータを組み合わせることで、システムは環境に対するより包括的で正確な理解を得ることができます。これにより、安全性とリアルタイムの意思決定が向上します。Keymakrの主要なADAS開発者とのコラボレーションは、このアプローチの重要性を実証しています。私たちは、モデルトレーニングと改良をサポートするために、多様で高品質のデータセットに取り組んできました。Waymo VS Tesla：2つの自動運転ビジョンの物語自動運転車では、TeslaとWaymoの比較は最も議論を呼ぶものの1つです。両社は、将来のモビリティの先駆者ですが、根本的に異なる哲学を持っています。Waymoの車は、センサーで満たされた宇宙船のように見えますが、Teslaは外部センサーがほとんどありません。なぜでしょうか？Waymoの車両を見てみましょう。これは、自動運転用に改造されたジャガーです。屋根には、数十個のセンサーが搭載されています。LiDAR、カメラ、スピンラーシステム（「スピナー」）とレーダーです。本当に多くのセンサーが搭載されています。ミラーにあるカメラ、フロントとリアバンパーにあるセンサー、長距離視認システムなど、すべてが同期されています。もしもこの車が事故に巻き込まれた場合、エンジニアリングチームは、不足している情報を収集するために新しいセンサーを追加します。彼らのアプローチは、利用可能なテクノロジーを最大限に使用することです。Teslaは同じ道を辿らないのはなぜでしょうか。主な理由の1つは、TeslaがまだRobotaxiを市場にリリースしていないことです。また、彼らのアプローチはコスト最小化と革新に焦点を当てています。Teslaは、LiDARの使用は非実用的であると考えています。LiDARの製造コストは約400ドルですが、RGBカメラのコストは約3ドルです。さらに、LiDARには機械部品（回転ミラーとモーター）が含まれており、故障や交換の可能性が高くなります。一方、カメラは静的です。動く部品はありません。非常に信頼性が高く、数十年間、筐体の劣化やレンズの曇りまで、正常に機能します。また、カメラは車のデザインに簡単に統合できます。車体の中に隠すことができ、ほとんど見えなくなります。生産アプローチも大きく異なります。Waymoは、既存のプラットフォーム（生産ジャガー）を使用し、センサーを搭載しています。選択の余地がありません。Teslaは、車両を一から製造し、ボディにセンサーを統合することを計画できます。形式上、仕様に記載されますが、視覚的にほとんど見えません。現在、Teslaは、車の周りに8つのカメラを使用しています。フロント、リア、サイドミラー、ドアにカメラが搭載されています。将来的に、追加のセンサーを使用するでしょうか。私はそう思います。私がTeslaのドライバーとして、またWaymoの車に乗った経験から、LiDARを組み込むと、TeslaのFull Self-Drivingシステムの精度が向上すると思います。現在、TeslaのFSDは、強い日光、空中の埃、または霧などの厳しい条件で運転する際に、精度が欠けているようです。LiDARテクノロジーを追加することで、システムの安全性と信頼性が向上する可能性があります。しかし、ビジネスの観点から、会社が独自のテクノロジーを開発する場合、競争上の優位性、技術的な優位性を目指します。如果、彼らが、はるかに効率的で安価な解決策を作成することができれば、市場支配への道が開けます。Teslaは、この論理に従っています。Muskは、VolkswagenやBaiduのような他の会社の道を踏みません。これらの会社も、自動運転車で著しい進歩を遂げています。MobileyeやiSightのようなシステムは、古い車に搭載されており、すでに相当な自律性を示しています。しかし、Teslaはユニークであることを目指しています。そうでなければ、市場はあなたを選択しません。

ソートリーダー April 15, 2025

AIと自動運転車の未来：ロボタクシーとフリートロジスティクスで自動車市場を変革する

自動車業界は、道路、車両、一般的な環境に関する広く利用可能なデータの背景があるため、急速なイノベーションの準備が整っています。2つの重要な分野が目立ちます：貨物輸送とロボタクシー。両方の分野は、数十年にわたる蓄積された解決策が最終的に市場に到達するため、イノベーションと効率化のための独自の機会を提供しています。それでは、各方向の特徴、ビジネス支援、およびさらに開発が行われる地域について議論しましょう。市場を牽引する企業世界の自動運転車市場は、主に3つの重要な地域によって形成されています：アメリカ、ヨーロッパ、中国。ヨーロッパは、この分野で最も包括的な規制枠組みを持っていることで知られています。GDPR、プライバシー関連の要件、最近採用されたEU AI Actなどの詳細な規格は、イノベーションに課題をもたらす可能性があります。このような厳密に制御された環境では、技術開発がより慎重に進む可能性があります。一方、中国は異なるアプローチを取り、AIイニシアチブを積極的に後援しています。自動運転車が事故に巻き込まれた場合でも、通常は同様の方法で追求されません；同様の悪影響を当事者に与えません。主な優先事項は技術の進歩であり、これは将来の利益と見なされます。アメリカについては、ドナルド・トランプの大統領就任以前、アメリカは主にAIイニシアチブを個々の州に任せていた。しかし、新しい政権が登場し、戦略的転換が起こりました：当局は、旧来のアプローチを維持することは、国がテクノロジー競争に遅れる原因となる可能性があると認識しました。結果として、アメリカは、より自由な規制モデルに向けて動き始めました。これは、技術の成長を促進し、特に中国での急速な発展と比較して、世界的な舞台での競争力を維持することを目的としています。ロボタクシーロボタクシー業界は2024年に大きな成長を経験しました。中国では、百度のApollo Goが武漢で400以上の自動運転タクシーを運行しました。Waymoはアメリカのロサンゼルスでサービスを拡大し、一般の人々に乗車を提供し、週に15万回以上の乗車を管理しました。アナリストは、予測しています。世界のロボタクシーの市場規模は2045年までに1740億ドルに達し、2025年からの年間37%の成長率を示します。ロボタクシーがどのようにして人気を博しているのでしょうか？少なくとも2つの重要な理由があります。最初の理由は消費者主導ユーザーは、ロボタクシーが人間の運転手に関連する多くのリスクや不快感を排除するため、これらに興味を持っています。運転手が疲れている、攻撃的、不安定、または不器用であるという心配はありません。人々は、車が自分で到着し、安全に目的地まで運んでくれる、そして信頼性がある車が欲しいのです。2番目の理由はビジネス指向ロボタクシーは、個々の人や小規模な起業家にとって、新しいビジネス機会を創出します。Airbnbがアパートの所有者に、物件を貸し出して収入を得る機会を提供するように、ロボタクシーは誰でも自動運転車を購入し、道路に出し、車隊を管理することで収入を得ることができます。これにより、小規模なビジネスや起業家精神の新しいセグメントが開かれます。貨物輸送自動運転貨物輸送セクターは、近年大きな成長と変化を経験しました。2024年には、世界の自動運転トラック市場は約3569億ドルに達しました。これらの数字は調査会社からのものですが、実際はより大きなものです。ロジスティクスは、混乱をもたらす最大の産業の1つであり、計り知れない価値があります。毎日、数十万のトラックがヨーロッパとアメリカの道路を走り、商品、Amazonのパッケージ、食品製品など、数兆ドルの価値がある無数のサプライチェーンを運んでいます。このセクターの自動運転トラックの潜在性は、乗用車輸送よりも大きいです。トラックは、都市環境よりも予測しやすい長い直線道路で主に運行します。これにより、自動運転システムのタスクが容易になります。同時に、ロジスティクスの効率が大幅に改善されます：人間の運転手は、事故を避けるために休息と睡眠のために休憩を取らなければなりません。自動運転トラックは、給油または充電のために停止する以外はほぼ連続して運行できます。充分な航続距離がある場合、これらの停止も最小限に抑えることができます。配送の速度が上がり、コストが下がり、サプライチェーンがより効率的になります。 Keymakrでは、自動運転貨物業界の主要プレイヤーを支援しているため、まだ市場に出ていないイノベーションを見ることができます。私たちのチームは、ハイウェイ運転シナリオを対象とした大規模な注釈付けプロジェクトに広く取り組んでいます。物体検出、レーンセグメンテーション、LiDARおよびカメラシステムのセンサーフュージョンデータなどです。これらのプロジェクトに対する需要は、セクターの実際の成熟度を強調しています。ビジネス観点一般的に、企業向け輸送、B2Bソリューションなど、ビジネス環境に関連するすべてのものは、B2Cセクターよりも高い利益率を提供する傾向があります。専門のロジスティクス運営者は、Uberなどの例外を除いて、タクシーサービス提供者よりも高い収益を持っています。これは、価格レベル、運用スケール、タスクの特定の性質の違いによるものです。もう1つの重要な違いは、B2Bがより閉じた環境で運営され、一般の注目や情報ノイズが少ないことです。一方、B2Cはニュースサイクルに大きく依存しています。これにより、リスクが軽減され、新しいテクノロジーの導入が容易になります。注目を集めることを目的とせずに、企業は、完全に成熟していなくても、革新的なソリューションをより迅速に開発し、導入できます。したがって、B2Bセグメントは、特にロジスティクスにおいて、自動輸送システムの最も活発な開発を見込むことができます。責任の問題自動運転車は、事故が発生した場合、誰がその結果に対して責任を負うべきかという難しい状況に直面しています。自動運転車には、従来の車両よりも多くの関係者が関与しています。所有者、ソフトウェア開発者、OEMなど、すべての関係者が安全性に役割を果たします。この質問はよく聞かれますが、実質的にすでに解決されています。主な責任は、車両の管理（フリートマネジメント）を行う企業にあります。これらは、UberやLyftのような大手企業である可能性があります。これらの企業は、ルーティング、メンテナンス、法的側面を含む、フリートの管理のためのアルゴリズムとプロセスを作成します。このモデルは、Airbnbに似ています。リソースを管理する場合、それに対して責任を負う必要があり、プラットフォームは紛争を解決するための枠組みを提供します。したがって、管理会社が事故の責任を負うことになります。市場は、ソフトウェア開発者、ハードウェアメーカー、その他関係者に対する責任の正確な割合を決定するのに役立つ、保険制度を整えるでしょう。まとめると、将来は、技術的ソリューション、ビジネスセンス、適応性を組み合わせることができる企業が、モビリティの新しい時代を牽引することになります。

Unite.AI